随着互联网技术以及信息传播技术的飞速发展,基于web2.0平台的微博等开放互联网社交服务模式越来越流行。在微博平台中,人人都像媒体一样可以自由发表感受和见解。近年来,基于微博的数据挖掘相关研究越来越多,本文通过构建微博用户兴趣模型,针对用户在微博平台发布的海量数据,挖掘能揭示用户兴趣点的关键主题词,并根据挖掘结果进一步深入探讨了如何实现个性化的广告推荐,从而帮助广告主们降低广告成本,提升广告的投放效果。本文对如何利用微博数据对用户兴趣进行分析,以及实现个性化广告推荐的方法和形式进行了研究和探索。与该领域已有的研究工作相比,本文主要有以下几点不同：首先,对不同的主题模型进行分析,比较了TwitterRank、Author-Topic和TwitterLDA三种主题模型在构建微博用户兴趣模型方面的性能,结合本文的研究内容,选择采用TwitterLDA模型进行新浪微博用户的兴趣识别。其次,将目前已有的改进后的LDA算法应用于微博用户主题词的挖掘,通过分析主题结构(topic structure)里的后验概率,来找出了能够表达主题含义的短语。改进后的算法既能保留传统LDA模型调换词序对主题挖掘结果没有影响的特点,同时还能使算法变得更高效,并获得了能表示主题含义的n-gram短语。最后,提出在微博个性化广告推荐的各种广告形式中融合故事型广告的创新模式并设计了以新浪微博普通用户为例的实证调研。最终通过对调研结果进行分析,验证了论文中使用的主题模型在普通微博用户中进行兴趣挖掘的可行性及有效性,并简单地就故事型广告的创新形式接纳度和兴趣模型的有效性进行了调研评估。通过本文的研究,可以发现,微博用户的行为和兴趣之间有很强的关联性,尤其是发布行为、转发行为和评论行为这三种主要行为。基于微博用户兴趣模型的个性化广告推荐研究能够分析微博用户的兴趣并进行精准的广告投放,降低广告成本,提高广告收益,带来更好的经济及社会效益。