随着信息时代的飞速发展,微博作为一种新型媒体介质出现,吸引了大量真实的优质用户。微博是一种基于用户关系的信息分享、传播以及获取的平台,具有信息发布快及传播迅速的优点。然而正是这种时变特性,让每个使用者在选择好友时不得不面对大量根本从未交往过的陌生人,如何从中选择自己想关注的好友,即“我们想看谁”是急需解决的关键问题。另外,即使是已经过筛选的好友仍会根据其自身兴趣爱好,发布对使用者而言兴趣度很低的信息,因此目前的微博系统缺少良好的信息过滤、分类机制,即“我们看什么”问题。针对这些问题,基于Android平台的智能微博系统---Shall微,在本系统中提出了基于好友优先级自适应调优的推荐机制和基于自然语言处理的筛微博机制,分别解决了“我们想看谁”和“我们看什么”的问题。基于好友优先级自适应调优的推荐机制核心思想是利用用户的好友具有不同的优先级这一特性。基于这一核心思想,首先提取用户特征进行相似度计算,获得第一阶段待推荐好友集合,然后根据这些好友与用户本人的关系以及这些好友的优先级,经过一系列的计算获取更为精准的第二阶段待推荐好友集合,以此推荐给用户。基于自然语言处理的筛微博机制核心思想是采用自然语言处理技术中的分词技术,对微博内容进行分词处理后,再进行关键词组匹配过程。为了提高匹配精度,对关键词组进行同义词扩展,扩大搜索过滤的范围,并以相似度阀值来控制这一过程。本文以Shall微系统的设计与实现为基础,详细阐述了基于好友优先级自适应调优的推荐机制和基于自然语言处理的筛微博机制的算法流程,并给出实现结果及分析。最后本文对Shall微系统的未来做出展望,并提出一些改进方案。