随着互联网的发展,信息过载已经成为互联网时代一个急需解决的问题,而人们解决这个问题的办法层出不穷,除了给信息分类和提供更加出色的检索引擎,对于无法描述的信息获取,则需要智能推荐系统来做。个性化智能推荐系统,即是在互联网上使用数据挖掘等技术,给使用者提供个性化智能推荐的功能,来指导使用者有目的性地对产品和信息等进行阅读或浏览。这样一来,互联网完成了从“信息等待查询阶段”到“信息定点投递阶段”的过渡。为了解决这个问题,本课题决定以此为研究方向,去探究如何更加精确地猜测用户的兴趣所在,之后更加精确地给用户推送他们所喜爱的文章。本系统依托于手机腾讯网,实现了与原普通资讯页面同时存在的新闻智能推荐系统。手机腾讯网新闻智能推荐系统主要分为主题管理模块,推荐模块和展示模块。系统将文章根据来源和类型分成了71个主题,主题管理模块仅为部门新闻编辑设计,具体需求是编辑可以结合各种条件去搜索、处理、删除和下载新闻主题信息。新闻推荐功能是推荐系统的一个重要组成部分,主要实现购物篮算法推荐、用户模型建立和融合场景这三个功能。在推荐的模块中,系统使用了FP-growth购物篮算法,将用户的历史数据进行分析,得出基于文章主题的频繁集。通过搜集用户的数据,不断累积和计算同用户的兴趣较为关联的新闻主题集合,最终使得用户更精确地阅读到自己喜欢的文章。展示模块是推荐系统的入口,用户可以在展示界面浏览到推荐的新闻内容,同时用户也会将自己的行为记录在展示模块进行留存。在测试方面,已对手机腾讯网新闻智能推荐系统进行了功能性测试和非功能性测试,测试结果能够满足预期的要求,确定可以上线给新闻编辑和普通用户使用。整个系统已经上线使用达半年之久,目前用户反馈良好。