协同过滤推荐是在信息过滤和信息系统中正迅速成为一项很受欢迎的技术。与传统的基于内容过滤直接分析内容进行推荐不同，协同过滤分析用户兴趣，在用户群中找到指定用户的相似（兴趣）用户，综合这些相似用户对某一信息的评价，形成系统对该指定用户对此信息的喜好程度预测。
本次毕业设计就是要研究利用协同过滤推荐算法分析用户可能对哪些类型的新闻感兴趣，然后在用户登录系统时为用户推荐感兴趣的新闻。本课题的目的是通过该系统的设计，学生应该能够通过学习基于协同过滤的推荐算法方面的知识完成一个WEB应用，从而使用户方便的查找自己喜欢阅读的新闻，减少用户在海量新闻中查找的不便。用到的编程语言有java、javaEE等。
主要设计内容包括：
1．通过阅读文献，分析协同过滤算法的应用背景、研究意义及发展现状；
2．研究分析协同算法的核心理论，学习相关的技术和方法。
3．完成新闻推荐系统的核心算法设计，具体功能如下：
（1）记录用户经常浏览的新闻，通过记录的数据分析用户的个人偏好。
（2）随着用户使用次数的要求，动态更新用户的偏好数据。