本研究提供一种基于FOLFM模型的新闻推荐系统及方法，在基于内容推荐方法的基础上，利用隐类模型和内容特征对新闻内容模型进行抽象表达，为每个用户构建其个性化的隐类偏好模型。通过对用户的实时行为记录进行实时训练得到用户对于某个隐类新闻的偏好，计算决定新闻是否推荐给用户，并经过一系列的处理过程得到最终的新闻推荐列表，本成果深入挖掘用户兴趣，提高推荐准确率及用户满意度，避免新闻的冷启动问题，在尽可能提高推荐效果的情况下保证性能。经实验表明，本研究既保证了高精度和高速度要求，又实现了用户视觉上的实时推荐。