互联网的日益发展使我们处于信息过载的时代,如何从这些海量信息中获取用户最关注和最感兴趣的信息已经逐渐成为一个急需解决的问题。搜索引擎的出现解决了用户获取所需信息的需求,但是若用户无法描述所需信息的关键词,就不能进行检索,因此需要一个更智能的系统来满足这些需求,在此背景下,推荐系统应运而生。已有的推荐系统并没有考虑到在情报领域应用的特殊性,比如,信息热度、实时性问题,最终导致了对情报信息推荐的效果不佳,为此,本文提出了一种基于网络热点的个性化情报推荐技术,该技术在推荐内容时会优先推荐互联网上的热点情报信息。另外,为了进一步提高推荐系统的推荐准确率,设计出了一种新的基于用户单一兴趣主题的协同过滤算法,同时对推荐系统中的用户兴趣进行建模,随着时间的推移用户兴趣可能发生变化,因此为确保用户当前的兴趣偏好与兴趣模型描述的兴趣一致,本文通过艾宾浩斯遗忘规律周期性地更新兴趣模型。通过以上研究和系统功能需求分析,本文设计出了基于网络热点的个性化情报推荐系统的总体架构及其功能模块,对各个模块进行了详细设计和编码实现,并对系统中使用的核心技术进行了详细的说明。最后对该系统进行了测试和实验,在实验结果分析的基础上,提出需要进一步完善和改进的方面。