微博系统是一个允许发布140字以内的简短内容、具有SNS特性的类博客系统。在三年的时间里，国内微博注册用户已超过2亿，微博已经成为新一代信息发布和共享平台。庞大的用户群使得微博产生了海量信息数据，出现了“信息过载”现象，急需一种个性化服务系统可以发现用户真实的兴趣，并根据用户的兴趣过滤、推荐微博信息。因此本文就如何进行微博信息的过滤和推荐展开研究。本文将协同过滤推荐技术引入到微博推荐中，设计并实现了一个基于该方法的微博信息推荐系统。该系统主要包括基础数据采集、推荐结果计算和用户交互三个部分。1）基础数据采集：主要是通过调用开放API的方式从新浪微博系统中采集数据，并将结果作为推荐信息的基本来源。2）推荐结果计算：首先对用户兴趣进行了分类，接着通过用户的显式和隐式两种反馈形式，初步建立用户的兴趣模型，最后通过协同过滤推荐引擎依照用户的兴趣模型将用户感兴趣的微博信息从采集到的基础数据集中过滤出来，得到推荐结果。3）用户交互部分：该部分是一个Web子系统，用户授权登录后可以访问推荐数据，还可以向系统进一步反馈信息，以便系统对用户的兴趣模型进行相应的调整，使推荐结果更符合用户的喜好。通过对系统测试结果的分析，本文实现的基于协同过滤的微博推荐系统使用稳定，推荐结果较为准确，在系统中定义的大部分兴趣领域中，推荐的有效性达到80%以上，用户体验较好。本系统已通过了新浪微博的审核并在线部署。通过用户的实际体验，系统虽然在某些兴趣领域的推荐结果尚有待提高，但是总体来说效果良好，可以有效得按照用户兴趣进行微博过滤、推荐和信息聚合，为进一步解决信息过载问题奠定了基础。