随着互联网的发展,浏览网络上即时发布的新闻成为人们获取信息的重要手段。面对海量的信息资讯,越来越多的读者希望找到其感兴趣的新闻并期望获得愉悦的阅读体验,如何快速准确的从中获得有价值的信息成为亟待解决的问题。近年来,个性化新闻推荐相关研究获得了越来越多的关注,成为了一个热门的研究领域。本文围绕个性化新闻推荐中的文本内容挖掘和用户兴趣表达,在基于内容的推荐方法基础上,应用主题模型对新闻内容表示、用户兴趣模型和新闻推荐生成等方面进行了分析和研究。本文的主要工作包括：1、对个性化推荐相关技术及其研究现状进行分析,并由此引出新闻推荐中新闻内容模型表达及用户兴趣挖掘问题。2、提出了一种基于内容和主题特征的个性化新闻推荐方案。该方案基于主题模型和新闻关键词提取,对新闻进行特征表示；基于用户对新闻的主题偏好、关键词偏好以及用户的行为情景信息,建立用户的层次化的兴趣模型,该模型还考虑了针对用户兴趣过于集中问题的偏好主题修正,并设置兴趣衰减因子表示和更新用户的兴趣迁移,挖掘用户的长期和短期兴趣,准确并完整的反映了用户兴趣与新闻内容之间的关系。在新闻推荐生成阶段,基于用户兴趣模型对新闻进行主题分组,并提出一种新的基于时间权值的推荐排序计算方法。该个性化新闻推荐方法能够很好地表达新闻的特征,用户兴趣模型更符合用户的阅读规律,新闻推荐结果也更为多样且时效性更好。3、设计并实现了基于上述方案的个性化新闻推荐系统,验证了推荐系统的功能,并通过在数据集上的离线实验验证了推荐系统性能,证明了方案对新闻推荐效果的提升。