多边平台上无论搜索还是推荐的本质都是匹配,但目前主要实现的匹配都是用户与信息或商品的匹配,而不是用户与用户的匹配。资讯类多边平台上存在不同类型的用户群体,这些不同类型的用户群体不仅相互依存,而且有赖于多边平台实现匹配。移动大数据的应用环境为画像技术的实际应用奠定了基础,而画像技术则为资讯类多边平台上不同类型用户的精准匹配创造了条件。随着粉丝经济的发展,资讯类多边平台对用户与用户之间的匹配需求日益突显,却鲜有相关的研究和应用。本文采用双边匹配理论和匹配机制,结合资讯类多边平台的特征分析,构建了资讯类多边平台基于双边匹配的n（n＞2）边用户匹配概念模型。同时,采用用户画像和产品画像的理念、技术,针对资讯类多边平台上不同类型和特征的用户群体进行画像,计算出不同类型用户之间的相关度,实现资讯类多边平台上不同用户之间的精准匹配。首先,针对资讯类多边平台上“内容商”用户和“广告商”用户,采用文本分类、TF-IDF等技术,从产品的角度刻画这两类用户的特点,构建产品用户画像模型;其次,分析多边平台上“消费者”用户的特点,从用户的角度刻画其特点,构建用户画像模型,并使用K-means聚类算法、层次分析法等结合用户的基本信息和行为特点来描述“消费者”类型用户,从而在多个维度上准确地描述“消费者”用户的特征。最后,在保证资讯类多边平台上各类用户方向量权重的精准度之后,本文采用向量空间模型的相关度匹配算法对资讯类多边用户实现精准匹配。本文以某资讯类多边平台作为案例,选取“消费者”型用户数据、“内容商”型用户数据和“广告商”型用户数据进行实证研究,基于本文数据分析提出的用户画像模型对其进行画像,在得到不同类型用户的特征向量之后,利用向量空间模型计算这些不同类型用户之间的相似度,进行相应的匹配,结果表明本研究所构建的模型、算法能够较好地实现资讯类多边平台不同类型用户的精准匹配。最后,提出了画像技术在资讯类多边平台用户匹配中的三阶段应用模式与策略,希望以此能够提高资讯类多边平台上多场景下用户匹配的精准度。