【摘要】[目的/意义]基于社交网络用户短期兴趣和长期兴趣，挖掘用户不同时间窗口下长短期兴趣，能够提高用户兴趣发现的准确性，解决推荐系统不能适应用户兴趣变化的问题。[方法/过程] 通过对社交网络用户兴趣的研究发现，社交网络用户兴趣可以分为短期兴趣和长期兴趣，据此构建融合用户兴趣漂移特征的个性化推荐模型。采用时间窗口的方法挖掘用户短期兴趣， 利用遗忘曲线跟踪用户长期兴趣变化。在此基础上对用户进行聚类，根据用户聚类结果为用户推荐兴趣相似用户。并以微博真实数据为例进行实证。[结果/结论]融合用户兴趣漂移特征的个性化推荐模型能够较准确的发现用户兴趣漂移特征，满足用户个性化信息需求。[局限]本文仅使用“微博”这一应用广泛的网络社交平台进行实证，未能从多个网络社交平台进一步验证模型的可行性和准确性。