推荐系统的冷启动问题是近期的研究热点，而用户的活跃性判定是冷启动问题的基础。已有方法在判定用户的活跃性时，单纯地考虑了用户发表信息量，对社交媒体的社交关系及行为等特征利用不够。该文面向微博网络，提出了系统的用户活跃性判定方法，创新性主要体现在:(1)提出了微博网络影响用户活跃性的四类指标，包括用户背景、社交关系、发表内容质量及社交行为，避免了仅仅使用用户发表信息数量判定用户是否活跃的粗糙方式；(2)提出了用户活跃性判定流程，提出了基于四类指标的用户与用户集的差异度计算模型。以新浪微博为例，选取了学术研究、企业管理、教育、文化、军事五个领域的900个用户作为测试集，使用准确率P、召回率R及F值为评价指标，进行了实验分析和比较。结果显示，该文所提用户活跃性判定方法的准确率P、召回率R、F值比传统的判定方法分别提高了21%、13%和16%，将该文所提方法用于用户推荐，得到的P、R和F值比最新的方法分别提高了5%、2%和3%，验证了所提方法的有效性。