随着互联网的快速发展,社交网络得到人们的广泛认可。在国内社交网络方面,越来越多的人开始通过微博发布信息,而微博网站也成为主流海量信息的发布体,对微博的研究也从显性的兴趣标签到微博本身潜在的内容进行主题挖掘。LDA(latent Dirichlet allocation)模型是近几年比较流行的一种非监督的主题模型,已经有一些研究通过在Twitter数据集上对LDA模型进行主题挖掘,但在中文微博的主题挖掘上的研究并不多。基于微博内容的用户兴趣挖掘可以获得较为精准的挖掘结果,但会面临冷启动和数据稀疏问题。基于交互关系的用户兴趣挖掘方法和基于交互信息的用户兴趣挖掘方法可以从两个不同的角度弥补基于微博内容的用户兴趣挖掘方法的缺陷。本文爬取新浪微博用户不同层次的数据用于进行多源数据融合微博用户兴趣建模研究。主要研究成果包括以下几个方面:首先,结合传统LDA模型提出一种适合中文微博的有监督的兴趣主题挖掘模型,即基于内容主题挖掘微博生成模型CTM-LDA。该模型有效的利用了先验主题信息,根据微博用户信息及用户原创内容相融合挖掘微博用户兴趣主题。其次,利用基于交互关系和交互信息的等信息源分别构建兴趣模型,利用交互关系矩阵和关注人兴趣标签以及词语间相似度生成关注人兴趣主题。最后,针对微博自定义内容,话题微博,交互信息,以及用户自定义标签等不同数据进行实验,构建微博用户兴趣模型,研究并设计了多源数据融合的用户兴趣模型,利用空间向量构建出用户最终的兴趣主题。本文提出了不同数据源的微博用户兴趣融合模型,通过研究发现可以有效利用用户之间的交互关联关系的信息对微博用户进行兴趣主题挖掘,且融合模型的效果要更优。未来通过用户的兴趣模型可有针对性的对微博用户进行个性化推荐,该模型可推广到其他社会媒体网站平台,对于企业而言具有一定商业研究价值。