微博客，像新浪微博，腾讯微博，在近年已经迅速成长为非常流行的社交网络服务，每天为互联网用户提供大量的实时信息。微博消息以时间顺序进行排列，这样用户就可以收到他所关注的人发布的实时消息，从中找出自己感兴趣的进行阅读。但是，信息过载的问题给微博用户带来了很多困扰，尤其是那些有很多关注的用户，每天会收到成千上万的微博消息。本文关注于如何向用户推荐他们真正感兴趣的微博，从而降低他们找到自己感兴趣的消息所需要的经历。微博平台上的很多消息都可以用于作为向用户推荐特定微博消息的证据，包括用户的发布记录，转发记录，社交关系等。本文提出了一个基于协同过滤和社交网络挖掘的方法来得知用户的个人兴趣从而进行推荐。另外，这个方法也可以有效地结合其他有用的上下文信息。本文最终的方法主要考虑了微博平台上面的三方面因素:微博消息的话题因素，用户社交关系的因素，以及其他显式特征，像微博消息发布者的权威程度，微博信息编辑的质量等。实验显示，这些因素对于微博信息的推荐都非常重要，而且本文方法的效果也超过了其他许多基线算法。