伴随着互联网科技的不断进步,社交网络作为时代背景下的产物,得到了广泛的应用及发展。微博,这一基于用户关注关系的社交网络,以其高效的信息传播能力及功能特点,已经成为目前用户增长最快并且最具研究价值的社交网络媒体平台。越来越多的用户都希望通过微博进行情感的表达与交流,并寻找自己感兴趣的信息。因此,根据用户的不同需求,如何在海量的社交关系数据中挖掘其兴趣偏好,并推送感兴趣的信息,从而降低用户的搜索成本,并进一步优化关系网络,已经成为众多学者和专家的研究热点。本文对如何分析微博用户的兴趣并进行个性化好友推荐的方法进行研究和探索,主要从以下两方面进行总结和阐述：(1)提出基于领域知识的微博用户兴趣分析方法。根据用户不同层级的需求,利用数据挖掘等技术手段对用户的属性特征进行分析,发现用户的标签词汇不规范、博文内容涵盖广,均不能有效代表用户的兴趣。在此基础上,根据用户之间的行为规律特点,构建并合理的组织领域知识库,创新性的提出了以目标用户所关注的关键节点用户(名人和内容类微博)来分析其兴趣的方法,并通过访谈验证和统计验证表明了该方法的有效性。(2)在掌握用户兴趣分析方法的基础上,以微博好友推荐作为其实际应用场景。构建微博用户的二级关系网络,结合用户之间的关系类型和互动强度,分别计算出不同层级用户之间的亲密度以及相似度,综合二者得分,得出候选资源的最终推荐价值,并以TOP N的形式输出最终的推荐结果。最后,对本文所提的方法进行实验,选取相关评价指标,并与目前新浪微博线上的推荐策略进行比较,验证本文方法的精准性以及用户对推荐结果的接受程度。