随着互联网技术日新月异的发展,人们获取信息的方式越来越多。但是,各种铺天盖地的信息使得用户越来越难检索出自己感兴趣的信息,出现了所谓的“信息超载”现象。而个性化推荐技术是解决该问题的有效途径,它通过分析用户的检索信息行为建立用户兴趣模型,主动向用户推荐其可能感兴趣的信息。目前,在推荐技术领域中,混合推荐技术是较为流行的推荐技术,它通过融入不同的影响因子对推荐算法进行深度定制和整合。本文将针对推荐算法展开细致的分析和探讨,设计一种面向移动互联网络的新闻推荐算法,并基于此算法搭建一个新闻推荐系统,为移动端的用户推送新闻消息。本文主要研究的工作：(1)首先设计一种面向移动端的个性化定制的新闻推荐方法,对新闻文本、用户兴趣进行建模,通过研究和分析LDA主题模型训练方法生成语义文本,重构语义文本评分矩阵,构建数据字典中语义文本和评分的对应关系,推荐生成关键字,再对新闻原始库进行匹配。(2)在推荐过程中,针对评分矩阵数据稀疏和用户兴趣迁移的问题,根据项目属性对整个项目集进行聚类,然后对其填充,以达到缓解冷启动的问题。通过融入艾宾浩斯遗忘规律,为每个评分增加一个时间权重来提高推荐系统的推荐质量,改善用户兴趣迁移问题。(3)为了解决海量数据计算复杂的问题,本文采用分布式框架。通过使用非关系型数据库I IBase和关系型数据库MySQL相结合的方式对数据进行存储以满足算法和功能实现相结合的现实要求,通过Ajax异步数据交互技术,PhoneGap客户端跨平台移动开发技术,SpringMVC框架体系的结合设计出一套完整的面向移动互联网的新闻推荐系统的解决方案。最后,对面向移动端的新闻推荐系统解决方案功能进行具体实现,将算法模块和系统功能模块契合地对接,实现了客户端APP开发和后端新闻推荐系统。