基于双向网络的建议近年来引起了广泛的关注。 与传统的面向对象的建议不同,微博网络中的建议有两个关键差异。 一个是高权限用户,或者一个特殊的朋友通常在面向推文的推荐中扮演非常积极的角色。 另一个是微博网络中的对象对应于同一主题上的一组推文,而不是实际的单个实体,例如传统网络中的商品或电影。 因此,重复收集某人所收集主题中的推文是必不可少的。 因此,本文通过原始链路矩阵和资源分配过程中的链路权重来改进基于网络的推理(NBI)算法。 最后,基于改进的基于网络推理和用户影响模型的因素,提出了微博推荐模型。 调整这两个因素的权重可以在算法准确性和推荐个性化方面产生最佳推荐结果。