互联网信息由于传播速度快、成本低廉和易于访问等特性,为用户带来便捷的信息获取渠道的同时也为虚假信息的广泛传播提供了方便快速渠道,互联网虚假信息往往会误导用户、扭曲真相、引导和传播不良情绪甚至激起强烈的舆论反应,对个人和社会产生极为不利的影响。相比起传统媒体上的虚假信息,互联网社交网络中的虚假信息形成了独特的展现形式及传播效应,更加具有群体性、隐蔽性及传播准确性,破坏力及影响力远超从前,故针对互联网虚假信息的检测和防范具有重要的研究和实际应用意义。传统针对互联网虚假信息检测的研究多为信息内容真假的识别检测,无法有效从互联网用户这个信息产生及传播的关键节点对虚假信息进行监控分析。本研究旨在通过用户画像作为互联网用户描述手段,基于互联网信息大数据提取微博用户画像特征,通过用户显式特征及言论数据,挖掘用户未公开或未进行记录的隐式特征,利用隐式特征信息完善补充用户画像,最终以互联网用户画像为基础,研究探讨与互联网虚假信息相关的用户特征及检测方法。本文的主要工作如下:(1)本文提出基于微博用户基本信息数据集,完成基础微博用户画像构建及微博用户显式特征提取,基于显式特征使用K-Means聚类算法对微博用户进行划分,挖掘其用户类别隐式特征,最终将用户划分为广告型、普通型、明星型及活跃型用户,验证了基于用户显示特征对用户未公开隐式特征进行挖掘的可行性。(2)本文提出使用微博用户言论信息对微博用户的情感倾向及人格特征两种隐式特征进行挖掘的方法。文中基于微博情感分类标记数据进行了Fast Text及BERT情感分类模型训练,完成模型精度及效率对比,挖掘并获取微博用户情感倾向隐式特征;使用Pear模型对用户人格特征进行挖掘,获取微博用户大五人格得分作为用户人格隐式特征。最终使用两种用户隐式特征对微博用户画像进行完善。实现了基于微博用户言论的用户隐式特征挖掘,验证了所提出方法的有效性。(3)本文完成一组微博虚假信息用户观点数据标注,并基于标注数据提出可通过相关性分析及统计分析挖掘完善后的微博用户画像与用户所传播虚假信息观点之间关联性,最终得出负面情感用户及开放性人格用户更易相信虚假信息的结论。(4)本文基于研究过程中的实验数据及程序,采用三层架构,设计封装完成一套互联网用户特征挖掘分析框架,其输出结果数据表格形式展示。数据挖掘分析框架以Python库形式提供,可移植于不同的系统及平台,支持用户特征相关的持续性研究,能够有效提高研究效率。