微博中圈子很重要，在圈子中，大家对彼此的关注度强于圈子外，产生的话题相关性也比圈子外高。圈子的构建技术与个性化推荐息息相关。个性化推荐的友好程度决定了用户对微博的直接体验。个性化推荐中采用得最广泛的方法是聚类分析。然而传统的长文本聚类算法未能考虑微博数据稀疏性的特点，普通的短文本聚类算法又未能结合微博数据自身的特点。针对微博数据的特点，本文提出了一种微博向量构建方法，该方法考虑微博的话题与文本内容，采用向量空间模型，分别从话题和微博文本计算其相似度。在计算微博文本相似度时对相似度计算公式进行了调整，当词语位于话题中时其重要程度大幅提升。最后，对话题相似度和微博文本相似度进行归一化处理，得到两条微博的相似度。在相似度计算的基础上，本文提出了一种微博聚类算法。该算法基于标签词汇发现技术，通过标签词汇，不断的将微博数据集划分为不同的簇，使得一个簇包含标签词汇，另一个簇完全不包含标签词汇。反复运用迭代分割法，得到最终的聚类结果。本文采用NLPIR微博内容语料库中的部分数据对MBCA算法进行测试，以FScore值为评估标准，与开源聚类工具包CLUTO中的其他聚类算法进行了对比分析，实验结果表明，MBCA算法的性能优于其他短文本聚类算法。在上述工作的基础上，基于Android平台，采用MBCA聚类算法设计和实现了一款简单的微博系统。软件在基于Android平台的各个版本的模拟器以及ME525等真机上运行状况良好，推荐列表合适，证明了软件设计良好，同时也验证了MBCA算法的合理性。