随着信息技术的不断发展,目前我们正处于一个信息爆炸的时代,同时也面临着信息过载的问题,即难以从网络中庞大的新闻源中找到自己感兴趣的新闻。新闻服务提供商通常使用个性化推荐系统向用户进行推荐,个性化新闻推荐的传统方法包括基于内容推荐、基于协同过滤推荐和这两种技术的混合版本。传统的推荐算法都没有考虑到用户在浏览记录上的时间顺序,而用户历史记录阅读的顺序信息可以更好地反映一段时间内用户兴趣的变化和多样性。基于此问题,本文设计实现了一种基于混合推荐算法的个性化新闻推荐系统,本文的主要工作和创新点如下:（1）针对传统推荐算法忽略了用户浏览行为的时间先后顺序,本文提出一种改进的循环神经网络算法模型,该模型使用基于注意力的并行卷积神经网络来聚合用户的兴趣特征,并使用基于注意力机制的递归神经网络来挖掘隐藏的时间序列特征。（2）为了改善单一推荐算法在某些应用场景推荐效果不足的问题,本文提出一个混合推荐算法模型,使用加权混合的推荐策略将ALS模型推荐、基于内容推荐和基于改进的循环神经网络算法进行融合,并通过逻辑回归训练权重得到混合算法模型。（3）本文使用大数据技术Spark设计并且实现了一个基于混合算法模型的个性化的新闻推荐系统,通过系统测试证明该推荐系统性能优异。