随着大数据时代的到来,各个领域为用户挖掘有效信息已成研究重点。微博是现在主要社交平台之一,由于微博传播快、实时性强导致微博数据量非常大,因此国内外为微博用户推荐有效的微博信息自Twitter出现至今一直是研究重点。针对传统微博推荐系统中,基于内容的推荐系统推荐效果不佳,基于用户行为的推荐系统解释性不佳,基于用户好友的推荐范围局限性等问题,本文提出了基于信任关系的微博推荐系统。该系统的主要目的是通过用户信任关系的传播行为,为用户推荐好友的好友发布的可信的以及与用户近期情感极性相符的微博内容。本文的主要研究内容如下:通过分析微博用户关注情况及用户交互行为,提出以用户关注关系、用户共同好友及用户交互关系等多项因素为基础的用户直接信任关系度量模型。在分析用户之间信任传播特征的基础上,提出了以用户直接信任关系为基础的用户间接信任关系预测模型,构建了用户信任网络。通过对微博文本进行情感分析,提出了基于情感词典与基于SO-PMI算法相结合的情感词提取方法,实现了基础情感词词典的动态扩充。在判断微博情感极性时,引入了程度级别词和否定词的影响,从而一定程度上提高了情感极性判断准确率。结合用户信任关系和微博情感分析的研究成果,设计了一个基于信任关系与情感分析的微博推荐系统。并针对该系统的一些局限提出了用户可信度,借鉴PageRank的思想计算出用户可信度,结合用户间信任关系和用户可信度为用户进行最后的推荐。通过实验确定了直接信任关系度量模型中的各个参数的取值,并在多个数据集上进行对比实验分析,从精确度、召回率和F1-measure值三个指标对结果进行了比对,验证了本文提出的微博推荐系统的推荐效果优于传统的基于内容、基于用户好友、基于用户行为的微博推荐系统。