为解决个性化推荐中用户兴趣提取不准确、推荐查准率不高,严重影响目前个性化营销以及信息资源的获取和管理效率的问题,提出基于用户兴趣挖掘的个性化推荐研究,以新浪微博数据为例构建了基于深层词嵌入及有限注意力机制的用户融合兴趣个性化推荐方法,并进行了推荐性能的验证。首先,针对以新浪微博为代表的社交媒体平台中用户发布的内容存在部分干扰用户兴趣提取的信息及用户兴趣表示层次较浅的问题,使用深度预训练语言模型、TF-IDF挖掘用户各微博内容与用户标签词的深层语义表示,进而基于微博内容与用户标签词的相似度来过滤干扰用户兴趣提取的信息,在此基础上通过聚类算法挖掘用户个体兴趣。然后根据社会学及社交网络研究中的有限注意力机制,利用目标用户与其关注用户的社交关系来对其关注用户进行挖掘得到用户间的社交强度和目标用户的社交兴趣,进一步考虑有限注意力机制与社交影响力的关系,通过相对注意力构造社交影响力系数,并用社交影响力系数控制关注用户的个体兴趣融入到目标用户融合兴趣的信息量,使用社交影响力系数对目标用户个体兴趣和社交兴趣进行融合最终得到目标用户融合兴趣,实现微博推荐。最后,在本文采集的数据基础上进行了两项对比实验,实验结果表明基于深层词嵌入及有限注意力机制的用户融合兴趣个性化推荐方法能够有效地解决用户兴趣提取不准确的问题,提高个性化推荐的效率,从而为个性化营销与信息资源的获取和管理提供有效指导。