随着互联网的迅猛发展和移动互联网的技术的兴起,中国网民的数量和网站数量都在急剧的增长,网络的社会影响在日趋扩大。门户网站、社交网络、微博、微信每时每刻在收集和发布信息,用户在每天都在决定如何选择信息,尤其是新闻内容,这样如何设计一个个性化新闻聚合系统,及时动态地将新闻热点、定制的内容推送给用户,从而节省用户搜索时间,成为当前研究的一个热点。该课题主要设计和研究个性化新闻抓取与聚合系统,为用户提供个性化的新闻服务。系统主要利用了网络中海量信息抓取、基于Web的文本挖掘以及个性化推荐等技术。网络信息抓取主要采用网络爬虫技术,这方面国内外研究已经相当成熟,有较多的开源工具,常用的开源的爬虫工具包括：Nutch、Larbin、Heritrix、 WebLech等。在本课题中,采用Nutch作为抓取工具,然后通过文本聚类的方法和话题检测的技术对网络中的热点话题进行聚合分析以找到网络新闻热点。再通过分析用户的历史行为构建用户兴趣模型,系统在后期的学习过程中更新系统的用户的兴趣模型,为用户推荐其感兴趣的新闻资讯。课题最终实现一个B/S(Browser/Server)架构的个性化新闻推荐系统,用户可使用移动客户端和Web客户端查看新闻推荐的内容。本文的工作和创新点：(1)利用TD*IDF算法实现新闻的聚类分析；(2)实现针对于用户兴趣的个性化新闻推荐系统；(3)实现一个基于web的可视化系统。个性化新闻推荐系统通过构建用户兴趣模型,并通过学习更新兴趣模型,根据用户的浏览历史,发现用户的兴趣的变化,为用户精确的推荐所关注的新闻,减少用户的浏览时间,提升系统的用户体验,以此实现新闻网站及网站用户的利益双赢。