近年来,互联网经历了十分快速的发展,并且随着各种移动智能设备的普及,以推特、微博为代表的社交网络方兴未艾。社交网络作为网络信息流动的载体,本身具有方便快捷,短小灵活的特点,它通过“关注”和“粉丝”来连接庞大的用户群体,通过“转发”和“评论”来让更多的人参与到信息的传播过程中。社交网络给人们的交流和获取信息的方式带来了巨大的影响,但同时它也有着自身的局限,那就是“信息过载”的现象,用户在面对过于庞杂的信息时往往不能有效甄别出哪些是对自己有用的信息,这不利于信息的扩散。为了解决这个问题就要求社交网络的平台能够更加了解用户,能够对用户的兴趣偏好进行准确全面的建模,从而为各种个性化服务打下坚实的基础。基于此背景,本文以新浪微博的用户为研究对象,研究了多维度层次化的用户建模方法,多维度指的是尽可能去覆盖能够描述用户的特征,层次化指的是将这些特征梳理关系,形成层级结构,减轻耦合,使得模型具有可扩展性。在论文中主要完成了以下方面的工作:1.微博爬取系统的设计。实现比较高效的爬取,处理和存储流程;2.用户节点的甄别。包括采用Page-rank算法寻找重要用户节点和利用活跃度计算判断活跃用户节点两个方面;3.对短文本的建模。为了克服短文本长度较短,用词不规律,噪声较多的问题,引入主题模型,训练带有主题信息的段落向量,将用户微博表示为连续值的向量;4.构建多维度层次化模型。分别构建模型中的各个部分,计算时对各个部分的相似度结果进行加权求和,并将模型放在用户好友推荐场景中进行试验。