近年来,随着微博的流行,越来越多的研究者开始关注与微博相关的话题。其中,如何给微博用户提供推荐服务是一个热点。但是在目前的研究中,都是利用了社交网络的拓扑结构和用户的注册信息来预测用户行为,并没有从用户发布的微博数据中提取用户偏好。本文的研究就是从微博内容的角度考察用户,帮助用户筛选微博。本文提出了完整的微博推荐流程,核心的工作有三个部分。第一部分是利用概率主题模型挖掘用户潜在的主题信息。第二部分是根据用户之间的转发、评论情况,计算用户的互动系数。第三部分是计算每条待推荐微博的信息熵,将部分低于阀值的微博过滤。在完成这三步的基础上,通过微博的评分公式,给每条待推荐微博打分,并将分数高的微博推荐给用户,实现微博的推荐功能。在实验中,本文选择了新浪微博作为数据源,并分析了各个环节的实验结果。实验证实了该方案中对微博过滤和社交因素的考虑,能增强模型的健壮性。