网络作为一种新媒体，极大地改变了人们传统的生活方式。各式各样的网络服务中，人们对新闻资讯的使用占有较大的比重。当前，各大主流新闻网站大多向不同的用户提供相同的内容，用户只能通过网站导航、搜索等功能查找自己需要的新闻信息；网站向用户推荐的内容，大多是一些热门或者最新的新闻，并不是符合用户自身的兴趣爱好的新闻，用户需要在海量的新闻中寻找自己需要的新闻，浪费大量的时间和精力。个性化新闻推荐系统能够帮助用户获取他们感兴趣的新闻，并从互联网海量的新闻中，挖掘用户可能感兴趣的内容，从而大大减少用户搜索新闻花费的时间，具有广阔的应用前景。目前，大多新闻推荐系统需要通过用户主观评分、回答问题或者手动设置等方式实现个性化定制，过多地强调用户的作用，造成用户体验大打折扣，系统可用性不高。本文阐述了个性化推荐技术的研究现状，重点分析了传统的新闻推荐系统不能满足用户需求的原因，对面向新闻领域的用户特征进行了分析与评估，详细介绍了用户特征数据的来源，用户特征的稳定与变迁，并给出了用户特征模型的具体实现。本文提出了基于用户特征的新闻推荐系统，该系统通过分析用户的页面行为，获取用户特征并构建特征模型，根据特征模型生成推荐规则，以推荐规则为依据，将符合用户兴趣的新闻推荐给用户。由于不同用户的特征不同，该系统实现了针对不同用户的个性化新闻推荐服务，提高了推荐质量和准确度，增强了用户体验。