随着智能手机的普及,当前互联网的入口逐渐从传统的电脑端各大门户网站分流到移动互联网当中,在新闻阅读方面,用户也更多的依赖于手机端新闻阅读应用。然而互联网数据的爆炸增长,使得用户在海量新闻中快速发掘感兴趣的新闻愈发困难。利用个性化推荐技术将用户从海量数据中解放出来是推荐技术的使用初衷,将个性化推荐技术运用于手机新闻阅读应用,以其快速、精准的特点帮助用户快捷获取兴趣新闻,是值得挖掘的研究方向。本文基于Android展开了新闻推荐系统的设计和实现,首先分别对系统业务需求和功能模块进行分析设计；同时针对新闻的特性设计了一套以基于用户协同过滤推荐技术为基础通过收集用户数据,计算阅读耗时因子对用户偏好值进行修正,纳入新闻热度影响并通过热度惩罚用户相似度值；然后基于相似邻居集对用户未阅读的新闻进行Top-N排序得到推荐列表；系统概要设计和算法选择完成后,最后我们实现了用Android新闻推荐应用浏览新闻,构建了Spring+Struts2+Hibernate框架的新闻管理后台管理新闻和用户,实现了利用Mahout组件实现推荐功能。本系统的原型系统业已完成,经初步测试系统各项功能均已达到设计预期目标。该系统能够根据用户在Android客户端简单的操作产生的数据,实时更新用户兴趣模型,达到推新、推准的效果；不仅如此,该系统还创新地使用基于用户协同过滤为核心的算法达到新闻推荐目的。