微博,作为一种新兴的信息分享与传播方式,在最近几年尤为流行。庞大的微博用户数以及丰富的内容,使微博不仅成为了用户获取信息的手段,而且也是一个高效的广告平台。在海量的微博信息中,用户需要大量时间和精力找到感兴趣的信息,信息推荐服务应运而生。用户兴趣挖掘是实现广告精准投放和信息推荐服务的核心技术。本文在调研了国内外大量相关研究文献后,提出基于用户的微博数据分析,提炼用户兴趣,并进一步预测用户最近的兴趣变化。其步骤为:首先,对于给定用户,采集用户微博数据集,并对其使用事先构建好的过滤器进行处理。其次,先在外部知识库上构建主题模型,然后应用该主题模型对用户微博内容进行分析。再次,用户的兴趣表达为用时间权重组合的主题概率。最后,通过用户关注好友的微博数据,用最大熵模型进行分析,挖掘出用户将来一段时间的兴趣,从而达到预测的目的。本方法具有以下优点:第一,考虑到微博文本内容较短的特点,提出结合外部知识库对主题模型进行训练,以实现微博内容的语义扩充。第二,提出对用户兴趣的表示,通过对每个主题加上一个时间权重,体现时间因素对兴趣变化的影响。第三,提出对用户兴趣预测的方法。理论分析和实验对比证明了本方法的可行性和有效性。