1、在互聯網時代，微博作為一種全新的社會化媒體，對人們日常生活的影響越來越大。然而隨著微博爆炸式的增長，商業(yè)級的微博系統(tǒng)通常都具有大量的用戶和多樣化的信息。如何從海量的微博信息中，給每個用戶提供其感興趣的信息，就顯得至關重要。
　　 目前在個性化推薦領域，傳統(tǒng)的商品推薦研究比較成熟，微博好友推薦相關的研究卻較少，已有的微博好友推薦技術幾乎都是基于單一數據源，推薦效果非常有限。本文在國內外相關研究的基礎上，針對微博系統(tǒng)信息源多樣化的特

2、點，提出了適合微博好友推薦的算法模型。
　　 本文首先對傳統(tǒng)電子商務領域中的推薦技術進行了研究，闡述了協同過濾類的技術，包括基于鄰居的協同過濾和基于模型的協同過濾。然后對目前已有的兩類微博好友推薦技術進行了研究，包括基于社交拓撲結構的推薦和基于微博內容的推薦。
　　 本文重點闡述了協同過濾類技術中的潛在因子模型及各種變種，在此基礎上，提出了能夠整合多種數據源特征的推薦算法模型GLFM，并用該模型模擬了各種潛在因子模型?；?/p>