近年来,移动互联网迎来了爆发式的增长,移动设备的普及,4G以及WIFI网络的广泛覆盖使得多媒体服务变得更加便捷,用户可以随时随地通过移动设备获取多媒体服务。移动设备自身资源不足、多媒体服务的服务质量较差等问题也日益凸显。移动云计算的出现有效地解决了移动设备资源不足的问题,但移动云计算自身存在着高延迟的问题,Cloudlet作为移动云计算的实现模式有效地解决了高延迟问题,同时保留了移动云计算的优势。新闻推荐服务作为典型的多媒体服务是当前互联网上最流行的服务之一,新闻推荐服务存在着对新闻内容特征和用户兴趣特征描述不准确的问题,本文将重点研究新闻推荐服务的相关技术,并提出相应的解决方案。本文的主要工作包括：1.基于Cloudlet和新闻推荐服务,设计了一套基于Cloudlet的新闻推荐系统,旨在利用Cloudlet提高新闻推荐系统的时间性能。2.针对引入Cloudlet的新闻推荐服务流程设计了一种基于布隆过滤器的新闻查询与推荐算法,降低新闻加载时间,进一步提高系统的时间性能。3.针对传统的新闻个性化推荐算法对新闻特征和用户特征描述不准确的问题设计了一种改进的基于潜在狄利克雷分布(Latent Dirichlet Allocation, LDA)的随机森林新闻文本分类算法,将该算法计算得到的新闻特征作为用户兴趣特征建模的基础,以此设计了系统的推荐方案。同时该算法能较好地平衡算法分类精确性和时间开销,能够适应大规模的新闻文本分类任务。本文给出了完整的系统构架设计、推荐流程以及系统各个功能模块的实现。在最后通过实验测试验证了本文所设计的算法和系统推荐方案显著的提升了新闻推荐系统的性能。