随着移动智能设备的普及以及内容创业的兴起,大量内容经由自媒体的形式产生,并借助巨大的用户群体进行迅速传播。新媒体时代的到来,虽然提供了丰富的资讯且提升了用户的互动程度,但也同时因为量大而造成了信息过载的问题,海量的媒体信息让用户目不暇接。个性化新闻推荐系统通过分析用户使用习惯,识别用户兴趣点,将用户关注的新闻资讯推荐给用户,过滤他们不感兴趣的内容,并且结合自媒体创业者的优质内容,推荐给用户一些优质的资源,既提升了用户的阅读体验,又增加了媒体创业者的影响力。本文对个性化新闻推荐系统进行了研究与实现,在对诸多推荐策略进行研究后,选择了基于用户的用户相似度推荐以及基于用户标签的推荐两种方式进行混合推荐,在本系统将着重于新闻推荐系统的后端进行展开,主要包括新闻的录入、新闻的处理、用户行为日志分析、推荐功能、用户行为接口、消息队列处理。论文首先阐述了本项目的来源与项目背景,介绍了个性化推荐的研究现状以及业界成熟案例,简要说明了本论文研究的内容与组织结构。随后在需求分析阶段进行了需求概述,介绍了系统的功能性需求,并得出数据流图与用例图,然后描述了数据流图中的数据流条目,并给出了本系统处理非功能性需求的一些方式。然后在概要设计阶段介绍了本系统的技术架构设计与总体功能模块结构,然后按照模块进行各模块的概要设计,得出了各模块的功能结构与数据存储。在详细设计阶段,通过结合需求分析与概要设计,按模块对各功能点进行了详细的说明,并结合类图、时序图以及其他图表清晰的描述了各个功能点的内部逻辑。在论文的最后,对项目的发展情况做出总结,找到改进的方向,并对未来的发展方向做出展望。目前项目一期内容已经完成测试并上线,基础业务的工作流程已经能够正常运转,并将在二期开发中不断完善推荐功能。