互联网和社会媒体的进步促使社会网络的发展,改变了信息沟通和传播模式,其中用户及信息推荐成为社会网络的重要组成部分,也提高了用户对社交平台的粘黏度。目前越来越多的电子商务、社交网络平台根据用户的兴趣爱好进行深入挖掘,从而进行产品或者信息的推荐,提高自身收益。然而,人们如何从大量的数据网络中找到感兴趣的用户和信息显得非常困难,而我们的搜索引擎给所有用户带来相同的搜寻结果,却无法满足个性化的需求。目前越来越多的推荐系统出现在我们的眼前,却有各种各样的缺陷,如冷启动、稀疏性等问题,且没有结合社会网络关系,以至于不能准确地进行个性化推荐。本文主要研究如何为微博用户提供高效准确的个性化推荐,且用户使用微博的主要目的是寻找自己感兴趣的信息和用户。微博不同于人人网、开心网等社会网络,它是一种有向网络,因用户之间相互关注和转发而进行信息传播。本文为了更加深入挖掘微博个性化推荐,首先,研究微博中的信息传播机制,主要是利用传染病模型中改进的SIR模型来构建微博信息传播模型,掌握信息传播过程,又把微博用户分为三类:未接触微博信息的节点tS)(、微博信息传播节点tI)(和接受但不传播微博信息的节点tR)(,并利用微博API抓取相关数据进行仿真实验。实验得知,微博不仅可以通过转发、评论、点赞等方式进行信息传播,还可以通过外部媒介,比如系统进行好友推荐。其次,从社会网络中的关注—被关注机制的微观模式来研究微博关注网络,驱动微博用户之间形成关注关系的主要因素。再次,协同推荐算法结合微博关注—被关注机制和信息传播机制对微博个性化推荐进行研究,且根据目前存在的一些问题,利用改进的矩阵分解模型结合结构规则中的传递性、相似传播者、相似接受者这三种规则对模型进行指导学习。最后,还利用相关数据对模型进行验证,以此验证微博个性化推荐机制的有效性。微博个性化推荐不仅适用于为微博社会网络推荐好友和微博信息,还可以应用于电子商务领域。本文结合社会网络中的关注—被关注和信息传播机制,为电子商务用户推荐相应的商品和微博好友,经过相应的实验验证,与传统的个性化推荐相比,本文提出的微博个性化推荐机制提高了推荐效果。