作为典型的社交网络媒体,微博通过自身独有的特点,吸引大量的用户。随着用户数量的增加,微博的热点话题也在不断涌现。越来越多的研究人员和学者热衷于探索微博数据中包含的有用信息,从而挖掘用户喜爱的微博所具有的特征。但由于微博的内容比较复杂,当面对海量的微博文本时,用户通常不能快速准确地找到自己感兴趣的微博,而且用户的需求呈现个性化、多样化趋势。因此,在海量的微博信息中,如何为用户找到其感兴趣的微博信息是亟待解决的一个重要问题。围绕该问题,本文开展的主要工作如下:(1)用户微博兴趣主题挖掘:根据用户的历史微博信息,将每个用户的微博信息建模为文档,通过LDA(Latent Dirichlet Allocation)主题模型得到用户微博词汇概率分布矩阵,进而从中挖掘用户感兴趣的微博主题,为个性化的微博推荐奠定基础。(2)基于主题相似度与转发量的微博个性化推荐:为了向用户推荐高质量的热点微博,考虑到传统的微博推荐只是将主题间的相似度作为推荐评分,没有综合利用微博本身携带的功能(如转发量、评论数、粉丝数等)。因此,本文将用户兴趣主题与当前的热点微博主题进行相似性计算,同时考虑用户转发微博的数量(转发量),将主题相似度与微博转发量相结合来计算微博的推荐指数,将推荐指数较高的热点微博推荐给用户。最后,采用新浪微博数据作为实验载体,通过实验验证本文所提方法的有效性。