互联网技术的不断发展以及信息科学的日益进步，网络数据呈指数增长趋势，个性化推荐系统应运而生并蓬勃发展。个性化推荐系统根据用户偏好对数据进行过滤，并根据用户模型向其推荐可能感兴趣的项目。作为网络数据的重要组成部分——网络新闻，用户面对门户网站发布的海量新闻无所适从，出现“信息过载”和“信息迷向”现象[1]。新闻推荐系统根据用户模型与新闻模型，采用不同的推荐算法，为用户进行新闻推荐，从而提高用户阅读质量[2]。然而当前新闻推荐系统多面向综合门户网站，面向垂直门户推荐系统鲜有研究。　　垂直门户网站相比传统门户网站，在用户、新闻以及需求等方面都存在差异:(1)垂直门户拥有特定的用户群体，用户大都为行业从事者或者领域专家，这对于用户建模有更高精确度的要求;(2)垂直门户新闻为该领域（地域）新闻信息，因此新闻间相似度相比传统门户新闻间更高，需要精确的新闻建模以区分不同新闻;(3)垂直门户用户阅读目的性更强烈。传统新闻门户阅读者关注点是“告诉我一些有趣的信息”，而垂直新闻网站的用户需求是“给我展示我需要的信息”。上述三方面差异驱使基于垂直门户新闻推荐系统需具有更高的准确度，需建立推荐方法与用户之间更高的粘连性，使垂直门户的新闻推荐系统面临更大的挑战。　　文章根据垂直门户的特点与需求，在传统新闻推荐系统基础上，研究并开发了一种面向垂直门户的新闻推荐系统。文章介绍该系统各模块及系统工作流程。系统采用混合推荐算法，将AJS算法、AWC-BC算法与AK-means算法，根据用户个性与阅读偏好，进行列表融合。系统根据用户对推荐列表的反馈，动态调整推荐列表，从而使推荐列表更加个性化。最后文章对混合推荐方法进行了解释，使混合推荐方法在理论上更合理。　　本文采用四种实验数据，利用离线实验证明算法改进、混合推荐方法的优越性。采用线上实验验证所提混合推荐算法在垂直门户领域应用的可行性。