随着web3.0的火热兴起,社交网络的发展异常火热。人人,QZONE,微博,Facebook等社交网络的快速发展吸引了大批量的用户,近几年,在国内社交网络方面,微博的快速发展和它独有的开放性、草根性、实时性模式吸引了大量的用户。越来越多的人通过微博获取实时的信息来了解身边、社会、甚至世界发生的事情。但是随着微博用户的越来越多,微博上面每天有数亿计的微博内容产生,微博用户面临着严重的“信息过载现象”。如何让微博用户从“信息过载”的环境中脱离出来,从而在微博网络中找到用户感兴趣的用户,通过找到他们感兴趣的用户来使他们获得他们感兴趣的资讯信息是一个值得研究的问题。这对于微博用户提升使用体验,快速获得需要的资讯都是非常重要的。本文针对微博用户的个性化推荐问题进行分析和研究。研究并设计了微博用户的个性化推荐算法,并且根据实际需求,设计并完成了微博用户个性化推荐系统。本文的研究成果主要包括：1)提出了一种微博内容扩充算法,利用微博操作之间的关联性,增强微博内容语义信息,提高微博主题模型构建效果。实验表明,相同语料库经过微博内容扩充与没有经过内容扩充在主题模型构建方面效果提升明显。2)提出微博网络好友候选集选取策略,利用微博的Followee/Follower网络结构特点,确定推荐用户的范围。3)提出不同类型的微博用户的兴趣模型,利用LDA模型计算不同类型用户的兴趣向量,在此基础上提出基于微博用户兴趣的个性化推荐算法。实验表明本文提出的微博好友推荐算法与传统的基于词频的微博好友推荐算法在准确度上效果提高百分之20左右。4)设计并实现了微博用户推荐系统。本文从功能划分、层次设计和数据库设计三方面介绍了系统的总体设计方案,同时按照登陆信息认证、个人信息浏览、推荐用户浏览、用户信息管理和日志信息管理这些不同的功能模块纵向描述.了系统的实现过程。该系统能够给微博用户推荐他们感兴趣的信息源用户,使得用户摆脱寻找感兴趣用户困难、信息过载等问题。