随着社交网络的规模逐渐扩大，用户量和信息量呈爆炸式增长，微博的发展则是一个很好的例证。然而，随着数据量的增大，用户要在海量信息中找到感兴趣的目标则变得越来越困难。因此，微博都拥有各自的个性化推荐系统。在微博上，用户的关注用户是用户获取信息的主要渠道，在海量用户中，没有好的推荐，很难找到合适的用户进行关注。好友推荐系统也因此成为微博上不可或缺的模块之一。本文研究一种基于用户倾向的微博好友推荐算法。首先对现有推荐算法进行总结，发现在推荐问题上，推荐算法若要产生推荐结果，则必须评估推荐用户和推荐目标的相似度，以此产生前K个相似度最高的推荐目标。其次提出微博好友推荐系统中相似度模型的概念，同时分析微博上好友关系的特点，解释传统的推荐算法在相似度模型上存在的问题，即传统算法并没有根据微博上用户倾向进行推荐。再次，提出基于用户倾向的相似度模型，用该模型去拟合用户在微博上的可能关注用户的倾向性，把微博上的好友关系归结为交际关系和兴趣关系，基于此模型设计并实现了基于用户倾向的微博好友推荐算法。最后将用户在微博上的行为信任机制应用于推荐算法中，即用户的行为会在某一程度上受到其好友行为的影响，把基于行为倾向的相似度模型评估结果在每个用户节点中进行传播——节点传播，得到最终的好友推荐结果。实验结果表明，基于用户倾向的相似度模型，可以为用户在微博上的行为特征做出解释，即用户在微博上建立关系的行为是有一定倾向性的。基于用户倾向性相似度模型的好友推荐算法的性能在准确率和召回率上比传统的推荐算法也有了一定的提升。信任机制的应用，使推荐算法的性能得到了更进一步的提升。