随着Web2.0时代的到来,诸如Twitter,腾讯微博等微博系统受到了越来越多的用户的青睐。不同于传统的社交网络,在微博社区中,用户通过关注或被关注关系,形成网络社会关系。作为信息分享与传播平台,微博系统所提供的最为基本也是最具特色的服务是作为一个工具可以随时随地发布用户自身感兴趣的短消息(称之为微博)。每个用户的主页面上都会按照时间先后顺序显示其所有关注对象所发布的微博信息。因此,为用户推荐最感兴趣的关注人,从而使他们能够最大程度地受益于其关注人所发布的微博信息对于微博推荐系统是一个十分重要的问题。然而,微博系统的用户数量是极为庞大的,在如此大规模的社区中为每一个用户推荐最相关的关注对象是一个充满挑战的研究课题。本文提出了形式概念分析(FCA)应用于社交网络中用户推荐系统中的方法。形式概念分析是一种分析二元关系的数学方法。本文我们用它来处理用户推荐系统中用户与微博文本中词项关系。基于形式概念分析,文章提出了一些有益的探索和研究,主要内容如下:(1)采用概念格来存储基于用户和词项间的映射关系以作为知识背景,以便指导推荐系统的推荐。通过计算概念相似度以及用概念格匹配遍历到的候选用户,我们可以得到候选用户的排名并用它来有效地扩展目标用户的好友列表。(2)我们也提出了基于用户的微博以及社会关系的用户背景图来表示知识背景。通过计算与用户背景图中的概念的相似度并与用户背景图进行匹配,我们得到候选用户的排名并依此来进行用户推荐。为了对基于用户背景图的聚类方法进行评估,我们进行了相关实验,实验结果表明本文的方法的有效性及效率优于传统的社交网络用户推荐方法。