1、近年來社交網(wǎng)絡(luò)服務(wù)（Social Networks Services, SNS）發(fā)展迅猛，尤其是微博系統(tǒng)憑借其社交特性、媒體特性、終端可擴(kuò)展性，逐漸發(fā)展成為主流社交媒體，是目前人們實(shí)現(xiàn)社會交往、獲取和分享實(shí)時信息的一種重要方式，大量用戶頻繁的交互以及實(shí)時更新的內(nèi)容，產(chǎn)生了海量的數(shù)據(jù)流，導(dǎo)致信息超載，阻礙了用戶從大量數(shù)據(jù)中高效檢索出感興趣的信息，限制了社交網(wǎng)絡(luò)服務(wù)的發(fā)展，也為現(xiàn)有的推薦系統(tǒng)研究帶來了巨大的挑戰(zhàn)。一方面，巨大的數(shù)據(jù)量，使得傳

2、統(tǒng)的推薦方法不能及時處理，同時還面臨著候選集過大的問題。另一方面，社交網(wǎng)絡(luò)中話題的不斷更新和用戶興趣的不斷變化，使得推薦的時效性成為研究難點(diǎn)。
　　針對這些問題，本文深入分析微博的自身特征，在構(gòu)建用戶興趣向量模型時，結(jié)合微博內(nèi)容信息和用戶間的信任度得到用戶的興趣向量，通過主題模型計(jì)算微博主題特征詞的分布概率；提出微博局部索引機(jī)制(Partial Index Mechanism)，改進(jìn)倒排索引結(jié)構(gòu)，對海量且持續(xù)更新的微博數(shù)據(jù)進(jìn)行有效

3、組織，減少索引成本，通過微博評分函數(shù)對新發(fā)布微博進(jìn)行排序，索引列表中維持最受歡迎的微博；在微博實(shí)時個性化推薦部分，通過局部索引機(jī)制來維護(hù)最新發(fā)布或更新的微博，計(jì)算索引中的微博和用戶之間的興趣相似度，對結(jié)果進(jìn)行排序。從索引列表中選取相應(yīng)受歡迎度高的微博，構(gòu)建用戶個性化推薦列表。
　　為驗(yàn)證微博實(shí)時個性化推薦方法的實(shí)時性及有效性，選取真實(shí)的微博平臺用戶數(shù)據(jù)作為實(shí)驗(yàn)對象進(jìn)行多組實(shí)驗(yàn)，并對實(shí)驗(yàn)結(jié)果進(jìn)行分析。實(shí)驗(yàn)結(jié)果表明，本文提出的算法能夠