智能信息推荐,因其可以广泛的应用到各种信息系统中,有效解决面对海量信息的尴尬,以及建立起适应性的个性化的应用系统,而受到研究者和应用单位的广泛的关注。本研究以新闻数据的应用为背景,试图找到一种有效的文本分类方法,以建立智能推荐系统,使其可以根据用户的个人兴趣来定位并推荐相关的新闻资料。论文在分析了相关的文本分类技术以及推荐系统研究现状,尤其是关于特征选取办法相关研究和基于分类器的文本分类技术的研究,以及分析了应用于个性化推荐系统的设计和实现的案例。在此基础上,论文将将传统的基于内容的过滤法则与以分层式文本分类相结合,取长补短,充分利用基于内容的过滤的优势,减轻矩阵稀疏度和早期级别问题的影响。并且利用分层式文本分类技术,克服了基于内容过滤无法分析内容的问题。以此构建的新闻推荐系统,降低用户迷失在海量网络资源中的可能性,使他们能够快速准确地定位自己需要的内容,提高网站的运行效率,提高用户的兴趣。实验结果证明本论文所提出的方法的确能产生有效的推荐,试验中将本文提出的方法其他的现有若干典型推荐方法进行了比较,并从分层式的文本分类工作和推荐的进程两方面对未来的研究提出建议。