在这个互联网飞速发展的时代,时刻都会有大量的、新颖的信息扑面而来。对于互联网用户而言,他们若是自己从其中筛选出感兴趣的、优质的信息是十分繁冗且不太现实的。所以一个可以智能的为用户进行筛选和推荐的性能良好的推荐系统是互联网时代所必需的,而性能良好的推荐系统的精髓则是可靠的推荐算法。因此针对这一问题,本文对智能推荐系统进行了研究,同时给出了一种推荐系统的核心算法——面向微信公众平台新文章的预测推荐算法。具体研究工作如下:论文首先搭建了推荐系统的网页前端。使用HTML搭建前端框架,通过CSS完善网页。网页的动态功能通过JavaScript体现出来。网页的数据图表部分采用的是D3.js来实现,来提高网页的美观度和实用性。其次,用python编写了网络爬虫,对微信公众平台的后台数据进行获取。网络爬虫是一种自动地抓取网页信息的脚本。本文获取的数据主要有每篇文章的阅读量、点赞数、转发量和评论等等。获取的数据以及交互产生的数据统一用MySQL数据库存储。然后,论文给出了一种面向微信公众平台新文章的预测推荐算法。对于微信公众平台刚刚发布的新文章,通过对文章作者以及文章本身潜力做分析,对文章进行预测评分和智能排序,并结合用户的兴趣爱好,把最具有爆点潜力的、阅读量可能达到10w+的文章智能的推荐给大众,实现个性化推荐。实验结果证明,这种新的推荐算法可以达到智能推荐的效果。最后,本文在上述基础之上建立了一个智能的推荐系统,这个系统收录了上万个微信公众号,可以根据用户的不同要求帮助用户检索并推荐出不同的结果,并能预测和推荐爆点文章,大大节省了用户的信息检索时间。