近几年社交媒体依托着互联网络的飞速发展异军突起。用户使用社交媒体所留下的痕迹暗含巨大价值。但目前研究多集中在用户基本属性和行为属性方面,对性格、处世态度等人格属性的研究则较少。分析和研究用户的人格特征,对网络舆情治理、重点人群监控等活动具有重大意义。然而用户人格信息往往是通过遣词造句的方式隐性表达的,因此如何建立用户文本数据与人格特征的映射关系是相关研究的主要难点。目前相关研究主要采用回归算法进行分析,研究者所针对的社交媒体和采用的算法模型各有不同。本文使用灰色关联分析代替相关性分析来进行特征降维,以更好地应对非线性场景,并将BP(Back Propagation,BP)神经网络应用于人格分析研究,充分利用了神经网络多维函数的映射能力,比较好地完成了通过用户文本分析用户人格的工作。与此同时,本文设计并搭建了社交媒体用户特征分析平台,完成了一整套由前端后台和数据库构成的可交互Web系统。该系统能基于微博用户所发表的信息对其进行特征分析,并将分析结果进行可视化展示。本文的工作内容主要集中在以下几个方面。首先,文章通过需求分析明确了平台设计目的、业务需求等基本要求,并在此基础上进行了技术选型。第二,训练并实现了BP神经网络模型来预测用户人格。在数据准备阶段,进行了用户人格信息收集和用户文本数据收集两部分工作。之后基于数据的特点,使用BP神经网络进行算法实现,在此过程中建立特征工程筛选建模特征,逐步探索合适的参数来训练模型,最终取得了比较满意的训练结果。第三,根据具体的需求,完成平台的设计和搭建工作并实现相应的功能。工作中首先确定基本的架构方案,再根据功能各自的需求,完成对具体功能的实现,最后对平台进行测试。最后文章总结了现有设计中存在的一些不足,并对未来的进一步改造和完善指明了方向。