近年来微博凭借着手机客户端发展迅速,微博中信息也呈指数增长,因此产生了信息过载的问题。在不计其数的信息海洋中准确的找到感兴趣的内容存在较大难度。针对上述问题,本文提出了基于主题模型的用户关注推荐。具体研究内容如下。首先,通过对主题模型LDA的研究发现,基于LDA的主题模型虽然能够得到用户的微博主题概率分布,并根据主题概率分布可以计算出用户的主题相似度,但在情感丰富的社交平台上,还略显不足,因其忽略了用户的情感因素。因此,本文提出了计算用户相似度的RJS算法,RJS算法的思想是通过JST模型得到用户的主题概率分布和情感倾向。用JS距离计算出用户主题概率分布的相似度,并结合用户主题的情感倾向计算出最终的用户相似度,得到用户的相似度评分。其次,基于微博的特点提出了微博用户影响力模型UIM。UIM模型将用户影响力分为三部分:微博影响力;用户活跃度;用户的粉丝数。通过定性分析三个指标,得到了用户影响力评分的计算方法;利用层次分析法计算三个指标的权重并对其结果进行了检验;将三个指标通过权重线性结合起来,得到用户影响力评分的计算公式,通过计算就可以得到用户的影响力评分。最后,将RJS算法与UIM模型结合起来提出了本文的用户推荐算法R-UIM,利用R-UIM算法得到综合评分,将评分最高的推荐给目标用户。实验结果表明本文提出的推荐算法在微博关注推荐中取得了很好的效果,并通过与标准LDA、LDA+UIM、RJS模型的推荐效果进行了实验,验证了本文推荐算法R-UIM的优势。