微博服务是一种新的Web2.0技术应用，为网民提供便捷、快速的内容发布和分享服务，成为网民日常生活中的一项重要应用。但是，近几年的快速发展，使得微博信息平台走入了信息过载的时代，因此有效的微博推荐对于一般读者及时获取相关信息具有关键作用。虽然目前主流的推荐方法（如Facebook，Twitter和新浪微博的用户推荐模型）采用了基于内容的推荐方法、基于邻居的推荐方法、基于用户兴趣的推荐方法等，但是这些方法存在社交关系网络稠密度不够，建立关系的过程缓慢，推荐关系有限，社会认知度肤浅等问题。建立了一种新的微博推荐收听关系模型——关系链模型，包括微博社交网络中的强关系模型和弱关系模型。前者定义4种一度关系类型，依据机器学习和经验得到每种关系类型的权值，计算得到一度关系综合矩阵，再在一度关系基础上推导出二度关系矩阵，与关系矩阵对应参数做乘法计算，求和16种二度关系，获取当前用户的推荐用户结果集合，经过排序和条件过滤后，将最终结果推荐给用户。后者是先由用户收听关系获得基于用户与用户之间的偶像（收听对象）相似度和粉丝（听众）相似度，再按照人口属性和挖掘兴趣特征的维度获取兴趣相似度，综合得到用户相似矩阵，根据相似矩阵给出用户推荐结果。以腾讯微博平台为基础，在用户隐私可接受范围内获取跨平台的数据及自有平台的数据，实现了关系链推荐算法，按照场景需求给用户推荐用户的收听列表。对实现的推荐结果进行评测，证明推荐系统能提供给用户满意合理的推荐结果，通过在线的测试方法AB测试得出不同桶的收听数据，对比得出推荐结果能提高用户的收听操作，显示推荐系统的优势。同时，分析了全量用户的人均关系链数据，得出在上线上，数据呈现上涨局势，说明推荐结果能够给用户推荐合理的收听对象，降低用户主动构建关系链的门槛，便于形成用户的核心关系链，提供用户活跃度，提升微博应用的口碑。