随着Web2.O时代的到来,社交网络服务飞速发展,它通过网络这一新型载体将各类人群连接起来,对人们的信息获得和生活方式产生了不可低估的影响。近两年来,微博作为一种新兴的社交网络平台走入大众视野,并且迅速以其新颖便捷的信息传播模式广受各类用户青睐。快速增长的用户数量也导致信息总量的爆炸式增长,如何从海量的微博信息中提取用户感兴趣的话题并推荐给用户,已然成为一个急需解决的研究问题。本论文基于用户关系分析和微博内容挖掘进行信息推荐,目的在于向微博用户提供个性化服务。论文的主要工作包括：1.通过对微博用户关系的分析,提出对中心用户有影响的相关用户影响力的算法。本文通过新浪微博用户数据,分析用户关系网络的形成原因,结合模糊综合评价法,确定影响用户影响力的因素间的关系,并提出用户影响力的计算公式,构建中心用户的用户影响力模型。2.通过对于微博内容的分析,提出基于话题级别的微博研究方法。本文结合可信关联规则对相关用户的微博进行话题检测,并且基于词激活力相关概念对相关用户的情感倾向性进行分析,以确定某一相关用户对于某一话题的情感倾向性。3.结合前两部分内容,提出微博信息的推荐算法。本文对已有的信息推荐算法进行回顾,并归纳总结了微博信息推荐的方法。在此基础上,提出基于用户关系和微博内容分析,向中心用户进行微博推荐的计算方法,并通过实验验证了算法的有效性。本论文基于用户关系和微博内容进行微博信息推荐,可以更好的进行个性化用户服务,.良好的用户体验性能够增强微博用户的满意度,同时能够为舆情的监控等提供理论依据,具有理论和应用的双重价值。