微博作为新兴的网络社交媒介,以其开放互动的特性迅速赢得了大量用户的青睐。随着注册用户数量和微博文本信息爆炸式的增长,如何帮助用户获取感兴趣的信息成为亟需解决的问题。在文本挖掘算法中,隐含狄利特雷分布算法(LDA,Latent Dirichlet Allocation)是一种无监督的文档主题生成模型,将文档视为由不同主题按比例组成的主题概率向量,可以很好的解决微博主题多样性的问题。但是LDA模型不适应微博文本短小、互动性高以及时效性强的特点,针对此问题,本文对LDA三层贝叶斯模型以及训练LDA模型的吉布斯采样算法做出如下几点改进。(1)考虑关注与转发等社交互动行为对主题概率向量产生的影响,提出C-LDA四层贝叶斯模型。(2)利用微博的转发评论数据改进基于时间线的词汇热度算法。(3)基于艾宾浩斯遗忘曲线,计算随着时间推移微博权重的变化。(4)综合词汇热度、微博权重以及负样本反馈因素改进吉布斯采样算法,使之更加精确的训练C-LDA模型。单机吉布斯采样程序在计算大规模数据时的时间复杂度很高。本文基于MapReduce框架实现了吉布斯采样算法以及词汇热度算法的分布式处理,提高了算法的性能和伸缩性。实验结果表明,C-LDA算法的Perplexity值相较于传统的LDA算法降低了9.45%。基于C-LDA算法的Top-10推荐结果相较于RT-LDA算法准确率提高了11.23%,召回率提高了14.56%,F值提高了12.53%。在5个节点的集群上分布式处理任务的时间比单机减少了68%。