微博和网上商城都具有日活跃用户多、信息量大、覆盖人群及生活面广等特点,但当前基于微博的商业应用,大部分停留在基于微博内容推荐相关微博以及好友关注等方面,难以满足商业需求。本文针对微博和网上商城特点,探索了微博商品推荐系统的设计与实现。本文从实际商业应用的角度出发,分析微博平台和网上商城之间的商业应用价值,并对微博商品推荐系统进行了设计,最后介绍了该系统的实现过程及结果分析。本文以从网络上获取的微博公开数据集,和爬取的京东商城数据作为研究对象,利用结巴分词工具,提取各自数据集的特征词向量。通过对京东商城数据分词后商品信息的特征数据集进行吉布斯采样,确定每个主题的分布范围,并通过LDA(Latent Dirichlet Allocation)模型建立相似产品推荐。针对微博及网上商城信息动态变化特点,建立增量LDA主题模型,实现动态更新。最后,利用余弦相似度算法,计算主题向量相似度,在LDA模型中,获取每条微博最相似的10个商品信息,推荐相应商品,将微博内容和网上商城的商品信息关联起来,实现基于LDA的微博商品推荐。实验结果表明,由于部分微博没有提及到任何的商品特征信息,导致无法获取相似的商品信息,该部分微博推荐结果在准确度上不高的情况。但是,从整体上看,该方法在准确度、召回率和F1值等评价标准上都具有不错的表现,推荐的结果基本令人满意,具有较大的商业价值。