推荐系统能够从海量数据中提取有用的信息推送给用户,解决大数据时代的“信息过载”问题。针对用户难以根据新闻阅读习惯和当前场景需求来获取新闻的问题,提出了基于Twitter的个性化新闻推荐系统。该系统向用户推荐符合用户阅读习惯的个性化的新闻信息。系统采用B/S模式,其主要架构包括数据展示层、数据处理层和数据存储层,其主要功能包括新闻采集功能、用户信息采集功能、数据挖掘功能、新闻推荐功能和用户兴趣特征管理功能。新闻采集功能负责从Twitter中爬取新闻并对新闻进行主题分布计算、热度计算以及数据存储。用户信息采集功能负责获取用户的行为记录及个人资料。数据挖掘功能负责新闻主题建模、用户特征计算和相似用户计算。新闻推荐功能根据用户阅读、点赞、评论过的新闻建立用户特征为用户提供个性化的新闻信息。兴趣特征管理功能负责对主题及词汇标签进行增加或删除,来修改用户特征。设计了个性化新闻推荐系统数据库。个性化新闻推荐系统在新闻采集时需要先对Twitter信息进行BTM主题分类模型建模,然后采用BTM模型对采集的新闻进行主题分布计算及热度计算。在新闻推荐前需要进行用户特征及用户相似度的计算。该个性化新闻推荐系统使用内容和协同过滤的混合式推荐方式,按比例选择用户推荐方案生成推荐结果。用户系统功能测试、性能测试和可用性测试的结果表明该系统能够提供良好的个性化新闻推荐服务。