社交网络是近几年来迅速崛起的一类新型Web服务。Twitter和新浪微博是第二代社交网络,即微博服务的代表。随着移动互联网的发展,微博已经成为最为流行的信息传播平台,拥有巨大的影响力和海量用户社交数据。目前社交网络的分析和挖掘已经成为研究的热门领域,微博推荐作为社交网络分析中的重要方面,也获得极大的关注。然而,现有的微博推荐方法大多面向用户关系,通过对用户的社交关系进行分析,获取用户兴趣度,从而进行推荐,较少关注基于用户发布的内容对用户的兴趣进行建模从而进行推荐的方法。论文基于以上问题,提出基于用户模型的微博文本推荐算法(Microblogging Content Recommendation Algorithm,MCRA)。MCRA算法的思想是基于目标用户发布的微博内容对目标用户进行建模,主要采用的技术路线为:(1)根据隐式狄利克雷分布LDA模型,训练出用户主题模型,提出计算候选微博与目标用户主题模型匹配度的计算方法。根据词项频率—逆向文本频率模型TF-IDF算法,提出建立目标用户关键词向量模型的算法,并计算候选微博与目标用户关键词向量模型匹配度的算法。(2)根据候选微博与目标用户主题模型匹配度和候选微博与目标用户关键词向量模型匹配度,通过加权平均的方法为候选微博进行评分排序并推荐。实验结果显示,MCRA在平均准确率指标上能够比对比算法取得更好的效果。MCRA算法能够有效解决基于内容的针对目标用户进行文本推荐的问题。