近几年,为了解决微博上的信息过载问题,研究者们先后提出了一些基于微博的个性化信息和好友推荐算法,然而目前大部分对微博的分析都是在好友关系以及社交网络结构上,针对微博内容进行的分析比较少。在现实中,用户要面对所有被关注者发布的信息,这些信息中有大量的是用户不感兴趣的,且用户常常无法跟踪并掌握关注的主题。针对如何提取微博信息的主题并实现主题下的基于内容的推荐,本文将深入探讨。本文提出了一种基于word2vec主题提取的微博推荐框架。该框架能够提取出用户历史数据的主题偏向,再对新来的微博数据进行过滤以去除用户不感兴趣的内容,并对用户感兴趣的内容匹配主题,最后实现主题下的推荐。针对微博短文本,本文提出了一种基于word2vec的聚类方法来实现主题提取。同时为了验证推荐框架的准确性,我们进行了一系列对比实验。对比实验主要有基于word2vec的聚类与LDA、K-means聚类的效果对比,融合微博多特征的分类与一般分类效果的对比,不同主题下的基于内容的推荐与已有的一些微博推荐方法的对比。实验结果表明,本文提出的推荐框架是可行的。