用户画像使用个性化的数据去刻画一个特定的用户,给用户打上若干不同的标签,诸如:性别,年龄,工作,居住地等,这些信息帮助我们更容易,更详细的认识,了解用户。构造用户画像可以被细分为,如何准确的预测出用户的性别,判断用户属于哪个年龄段,进一步还可以确认用户的兴趣爱好和关注点等。目前,国内学者对中文用户的性别分类尚处于起步阶段,更是几乎找不到关于用户年龄段预测的研究。中文用户的用户画像研究还处在较为落后的水平。本论文基于新浪微博提供和整理的数据,提出了一个预测用户性别和年龄段两方面都比较通用的、鲁棒的方法与模型。在本论文中,我们首先挖掘了一些新的特征,如词嵌入,继而采用常见的机器学习方法和前沿的深度学习方法进行建模,训练分类器,采用stacking、bagging等技术融合特征与各分类器的结果。在尽可能控制特征维数的情况下,依然保证预测的准确性。最后,本文展示并对比了多个相关实验的结果,性别推断任务准确率为89%,年龄推断任务准确率为68%,验证了本文中提出的方法与模型。可以将此框架推广到处新浪微博以外的中文新闻媒体、社交网络等平台作为挖掘用户画像的方法。