在微博内容挖掘方面，现有研究主要集中于微博话题发现和微博情感倾向性分析。微博话题发现和微博情感倾向性的分析方法具有一些共同点：都是需要通过对微博内容进行预处理，利用分词技术提取出表示关键词语，之后话题发现需要进行词频变化统计而情感倾向性分析需要进行关键词语的倾向性分类。然而，由于目前分词技术和微博短文本处理技术的局限性，微博内容挖掘准确度有待提高。来:自[优E尔L论W文W网www.youerw.com +QQ752018766-

以上研究内容为本文基于用户信息行为和微博内容的用户建模研究提供了许多有价值的研究思路和关键技术参考，为了进一步解决微博信息碎片化的问题，本文将通过分析新浪微博用户的转发、点赞行为，同时结合微博原创内容，建立用户兴趣模型，以了解用户的实际需求，方便企业和商家提供更有针对性的服务。

参 考 文 献

[1] 中国互联网络信息中心（CNNIC）。 (2016)。 第37次《中国互联网络发展状况统计报告》。

[2] 闫强, 吴联仁, 郑兰。 (2013)。 微博社区中用户行为特征及其机理研究。 电子科技大学学报, 42(3), 328-333。

[3] 吴丽花, 刘鲁。 (2006)。 个性化推荐系统用户建模技术综述。 情报学报, 25(1), 55-62。

[4] 江淇, 李广建。 (2005)。 用户建模中的可重用性问题研究。 现代图书情报技术(12), 7-11。

[5] 王巧容, 赵海燕, 曹健。 (2011)。 个性化服务中的用户建模技术。 小型微型计算机系统, 32(1), 39-46。

[6] Vassilvitskii, S。, & Brill, E。 D。 (2009)。 Using connectivity distance for relevance feedback in search。 US, US7634474。

[7] 董峰, 王燕。 (2013)。 各种用户建模方法在个性化服务中的比较研究。 软件导刊(9), 10-11。

[8] 胡娟, 白宇, 蔡东风。 (2015)。 一种基于查询加权的用户建模方法。 北京大学学报:自然科学版, 51(2), 227-233。

[9] 曹双喜, 邓小昭。 (2006)。 网络用户信息行为研究述略。 情报杂志, 25(2), 79-81。

[10] 白海燕, 赵丽辉。 (2002)。 网络环境下的用户信息行为分析。 燕山大学学报：哲学社会科学版(1), 88-92。

[11] 岳剑波。 (1999)。 信息管理基础。 清华大学出版社。

[12] 王艳, 邓小昭。 (2009)。 网络用户信息行为基本问题探讨。 图书情报工作, 53(16), 35-39。

[13] 曹树金, 胡岷。 (2002)。 国外网络信息查寻行为研究进展。 国家图书馆学刊(2), 46-53。

[14] 王庆稳, 邓小昭。 (2009)。 网络用户信息浏览行为研究。 图书馆理论与实践(2), 55-58。

[15] 姚海燕, 邓小昭。 (2010)。 网络用户信息行为研究。 科学出版社。

[16] 周珏。 (2010)。 网络环境下群体用户的信息行为研究。 博士学位论文。 华东师范大学。 

[17] 邓小咏, 李晓红。 (2008)。 网络环境下的用户信息行为探析。 情报科学(12), 1810-1813。 

[18]  张玉连, 王权。 (2007)。 基于浏览行为和浏览内容的用户兴趣建模。 现代图书情报技术(6), 52-55。

[19] 蒋盛益, 麦智凯, 庞观松, 吴美玲, 王连喜。 (2012)。 微博信息挖掘技术研究综述。 图书情报工作, 56(17), 136-142。

[20] 丁兆云, 贾焰, 周斌。 (2014)。 微博数据挖掘研究综述。 计算机研究与发展, 51(4), 691-706。

[21] 时睿, 封化民。 (2011)。 一种基于名词的微博语义计算方法。 北京电子科技学院学报, 19(4), 16-22。

[22] Thelwall, M。, Buckley, K。, & Paltoglou, G。 (2011)。 Sentiment in twitter events。 Journal of the American Society for Information Science & Technology, 62(2), 406-418。