伴随互联网+时代的到来,与互联网相关的应用层出不穷,如智慧出行、网络购物、共享出租和资讯与知识的推荐系统等等,给我们的生活带来了巨大的改变。尤其是推荐系统为我们提供了个性化的服务,减少了原本为获取信息而花费的大量检索时间。然而,现在的推荐系统准确率还不够高,智能性也没有达到人们的需求。因此,构建一种准确率更高的智能推荐系统是目前亟待解决的问题。本文提出了一种新的基于深度学习技术的面向阅读应用的智能推荐系统。首先,结合深度学习技术与文档主题概率模型算法,提出了一种文本分类混合模型。该模型利用LDA算法计算出文档主题概率分布,而后将主题分布向量作为输入,利用深度学习算法进行分类训练及预测。实验结果表明,该分类预测准确率高于Naive Bayes算法百分之十左右。其次,设计并实现了基于分类算法的面向阅读的推荐系统。该系统构建于分布式计算平台Spark和分布式存储平台HDFS之上,具体包括系统推荐模块和系统功能模块,极大地提高了系统的可扩展性和运行性能。最终,该面向阅读的推荐系统可以为用户提供准确率高于协同过滤3个百分点的推荐结果,并且系统健壮性和扩展性更好。