信息技术的发展使人们获取资讯的方式愈发便捷,但是也带来了信息过载的问题。同时,随着移动互联网的兴起与智能终端的普及,用户对于精准个性化推荐的要求也越来越高。在个性化新闻推荐领域,如何从大量的新闻资讯中挖掘出用户感兴趣的内容并进行精准推荐是一个亟待解决的问题。在此背景下,本文通过研究个性化推荐技术,对基于内容的推荐算法进行改进,围绕个性化新闻推荐中的文本建模部分,通过结合主题模型与向量空间模型,对文本处理的过程进行优化,提升新闻推荐系统的准确性。在本文设计与实现的基于文本处理的新闻推荐系统中,文本处理方法是关键,文本内容挖掘决定了对用户兴趣的分析是否准确。因此,在新闻文本处理方面,引入主题模型,将其与传统的向量空间模型进行结合,从主题与关键词两个方面对新闻的文本内容进行挖掘,同时,考虑到新闻的时效性问题,新闻发布在系统内的时间也需要作为新闻文本建模的一个重要指标。在此基础上,将新闻与用户的行为结合在一起,对用户的主题及关键词偏好进行计算,结合用户产生行为时的上下文信息,构建更准确的用户兴趣模型。与此同时,对新闻推荐生成的过程也进行改进,综合考虑新闻时效性的问题进行推荐。最后,本文将优化后的推荐算法应用到具体的新闻推荐系统中,给出系统的整体框架,并详细叙述了推荐系统的核心模块的实现细节。在实验验证方面,本文从推荐性能方面对新闻推荐系统进行验证。实验结果表明,本文提出的基于文本处理的推荐算法在准确率、多样性等性能指标上也表现更好。