随着移动互联网的兴起,社交网络的发展如火如荼,在国内,以微信、新浪微博为代表的社交产品开始占用人们越来越多的碎片化时间。微博的两种社交规则使其成为一个具有信息集散和社交双重属性的平台。第一,限制微博的字数。每条微博的字数被限制为140字以内,这种限制使得信息在微博的社交网络中具有更强的传播性和流动性;第二,允许建立不对称的用户关系。允许用户通过关注和另一个用户建立单方向关系;也允许两个用户互相关注成为好友。随着用户的逐年增长,微博上的社交关系越来越复杂,微博内容也已达数亿的数量级。因此,如何帮助用户找到有用的好友和信息是一个很有价值的研究点。由于微博的产品功能设计,微博用户往往通过社交关系进行内容过滤,因此,本文主要讨论微博上的好友推荐问题。本文针对基于微博的个性化推荐问题进行了探索和研究。强调了场景对于推荐算法的重要影响,提出根据用户在微博上的产品生命周期把微博上的推荐场景分为0-1隐性场景和一般隐性场景两种。首先,提出了 cPWR来解决0-1隐形场景下的推荐冷启动问题。该算法缓解了训练矩阵的稀疏性和模糊性问题。其次,在一般隐形场景下,提出了基于用户行为特征的推荐算法。该算法基于对用户社交特征的分析,得到用户的社交需求,为用户提供混合的推荐结果。最后,设计并实现了基于微博的推荐系统,该系统不仅实现了推荐模型的快速训练,还提供了更有说服力的推荐结果展示方式。