随着信息技术和互联网的不断发展,以微博、微信等为代表的社交媒体平台发展十分迅速,逐渐对人们的日常生活产生了巨大影响。人们在这些平台上自由地交流、表达个人情绪、分享个人意见的过程中产生了海量的信息数据,如何有效利用这些海量信息,创造出更有价值的用户服务是当今研究的热点。本论文在充分考虑微博数据特点的基础上,提出一种新颖的基于BTM(Biterm Topic Model)的微博群体用户画像模型GUPTM(Group User Profile Model based Topic Model),将用户的背景信息、社交信息、主题兴趣紧密联系在一起,从而构建出更为精准、全面、细致的社交平台微博群体的用户画像。同时,对群体用户画像在网络舆情治理方面的应用展开详细研究,最终为网络舆情治理提出新的治理对策。论文的主要研究内容如下:首先,提出一种新的基于BTM主题模型的微博群体用户聚类方法。从微博平台获取用户自由发布和分享的信息,建立模型数据集;对其进行用户关系分析和数据预处理,然后利用BTM主题模型挖掘用户的主题兴趣;分别计算用户背景信息相似度、用户社交信息相似度以及用户主题兴趣相似度,再将三种用户相似度进行充分融合,创造出更有效的相似度计算方法;基于该方法的计算结果,运用K-means聚类实现用户分群。其次,构建基于BTM的微博群体用户画像模型。阐述群体用户画像模型的框架与流程;对微博用户数据进行预处理后运用吉布斯采样算法对GUPTM模型进行参数推断,以此获得模型中的关键参数;使用本文提出的新型群体用户聚类方法进行用户群体聚类,然后利用聚类结果对微博用户进行群体特征提取;最终,利用群体特征构建出微博群体用户画像。最后,在网络舆情治理的背景下,对微博群体用户画像展开应用研究,结果显示该群体用户画像能有效帮助舆情引导,提高舆情治理效率。相应的,文章在最后针对网络舆情治理提出了新的治理对策,为后续研究人员提供一些理论参考。