随着互联网技术的高速发展,我们迎来了大数据时代,人们的生活和工作中出现了越来越多的数字化信息。面对信息过载的问题,如何快速有效的让用户获取到其所需要的信息逐渐成为学者们研究的重点。推荐系统通过多种推荐算法为不同的用户推荐个性化的信息,在一定程度上解决了用户难以及时有效获取所需信息的问题。近年来随着移动终端设备的大范围普及,移动互联网也同样面临着信息过载的问题。与传统互联网相比,移动互联网设备屏幕更小,因此其展示空间需要更加高效合理的利用。推荐算法的提出距今已经有二十余年的时间,算法的研究工作逐渐深入。推荐算法主要分为基于内容的推荐算法、协同过滤推荐算法以及混合模型推荐算法三大类。协同过滤推荐算法由于是与待推荐物品内容无关的推荐算法,因此受到了更多研究者的青睐。近年来随着推荐系统的应用范围更加广泛,混合模型推荐算法越来越多的被应用到各类系统中。研究者根据不同的系统环境设计不同的混合推荐模型,以得到更好的推荐效果。本文针对移动终端的特点,提出了一个加入时间因素和地理位置信息的协同过滤混合模型推荐算法,设计并实现了一个面向移动终端的新闻推荐系统。本文首先介绍了当前推荐算法的现状及其发展过程,研究分析了当前各类推荐算法的原理；然后针对协同过滤推荐算法,研究了用户相似度算法的原理并在数据集上进行了相关离线实验；同时着重研究了三个协同过滤推荐算法的原理和推荐效果分析；针对移动终端推荐系统,加入了时间因素和地理位置信息对基本推荐算法进行改进；最后,设计并实现了面向移动终端的新闻推荐系统。该系统能够为不同的用户推荐其感兴趣的新闻信息,提高了用户的阅读效率和用户体验。