随着互联网的快速发展,用户偏好研究日渐火热,出现了大量研究成果。其中,基于社会调查领域,学者们提出了有界置信模型（Bounded Confidence Model,BCM）及相关变种;基于个性化推荐领域,提出了诸如协同过滤等诸多算法。但从研究现状来看:有界置信模型认为个体会完全接受与之交流个体的偏好以及每个个体都会信任交流对象表达的偏好,有界置信模型的这种设定与现实不符,存在明显不足;基于个性化推荐的用户偏好研究多集中在如何挖掘偏好信息和解决数据稀疏等问题上,没有将用户内外环境等因素同偏好研究结合起来,这在一定程度上影响个性化推荐的精准度。为此,本文一方面基于有界置信模型,提出动态信任感知的偏好演化模型（Dynamic Trust-aware Preferences Evolution Model,DTPEM）;另一方面基于微博,提出内外动态因素感知的偏好演化模型（Internal and External Dynamic factor’s aware Preferences Evolution Model,IEDPEM）。为了弥补有界置信模型的上述不足,DTPEM以保守度衡量并动态更新个体在面临其他个体偏好影响时的保守程度;以信任度衡量并动态更新个体对其他个体表达偏好的信任程度;通过保守度和信任度改进了有界置信模型的演化公式并提出了新公式。实验表明,DTPEM在模型演化方面更接近实际情形,弥补了有界置信模型的不足,提高了偏好预测的准确度。为了将用户内外环境等因素同偏好研究结合起来,提高偏好预测的准确度,从而进一步提高个性化推荐的精准度,基于微博IEDPEM以微博文本和关注列表为内部动态因子;以用户关注对象的微博文本为外部动态因子;以艾宾浩斯遗忘曲线构建内因演化因子;构造公式将三者与偏好演化研究有机结合起来。实验表明IEDPEM在预测基于微博的用户偏好演化上有更好的表现。