随着5G时代的到来与数字化社会的快速发展,人们的生活越来越依赖网络。与此同时,方便人们表达自我与网络社交的社交媒体平台也飞速发展。越来越多的用户进入社交媒体平台,留下了丰富的个人动态、个人信息等数据,这些数据都是用户自主产生,具有极大的真实性与可靠性。通过分析用户在社交媒体平台产生的数据,可以做到尽可能全面、准确地描绘用户画像。用户基本属性和用户兴趣是社交媒体用户画像重要的组成部分,对于社交平台运营管理、个性化推荐、个性化营销等方面具有重要的意义。因此,结合社交媒体用户画像的研究现状,本文基于新浪微博,从用户基本属性和用户兴趣画像两方面构建社交媒体用户画像。主要贡献有以下三点:（1）在社交媒体用户基本属性研究方面,以用户性别与年龄研究为例,构建用户性别与年龄分类方法。从特征构建和算法模型两个方面对性别与年龄的分类进行了研究。在特征集的构建中,主要构建了三类特征:基于Word2vec的词向量特征、基于LDA的主题特征,以及统计特征,通过将多种特征融合进行实验,实验表明所采用的多种特征对于分类效果有明显的提升。在算法方面,提出了Stacking模型融合的框架,并与传统的算法进行对比,实验表明相较于传统的算法,本文所提出的Stacking模型融合的框架对于分类效果有明显的提升。（2）在社交媒体用户兴趣挖掘研究方面,结合之前学者的研究,并根据社交媒体平台的实际情况,以兴趣类别能够覆盖绝大多数的微博,并且不同类别之间有较大的区分度为原则,划分了10个不同的兴趣类别。并且由于微博文本短小,表达随意,使用传统的短文本分类算法不能取得良好的效果,因此本文选择将微博短文本合并成用户文档合集,采用主题模型算法进行研究。同时本文使用LDA的改进模型Labeled-LDA对主题特征进行提取,并结合用户文本内容之外的其他统计特征,构建多特征模型,与常用的兴趣挖掘算法进行对比,发现相较于传统的兴趣挖掘模型,本文所提出的多特征模型的实验效果更好。（3）本文完成了社交媒体用户画像分析系统的设计与实现,通过对社交媒体用户画像分析系统进行详细的分析与细节的设计,结合Python和Django框架及MySQL数据库完成了系统的核心功能,包括数据获取、用户基本属性分析、用户兴趣分析,同时也实现了一些附加的功能,实验表明社交媒体用户画像分析系统表现良好,可以有效地提取用户画像并进行可视化展示。