人格特征作为人类的一项重要的心理结构,对于人类行为、情绪等方面的预测有着重要作用,这使得人格特征的分析在心理健康、推荐、舆情监控等多个领域中均有着广泛的应用空间。然而,传统的人格特征分析方法大都依靠量表评估的方式,这种方式既耗费大量的人力与时间成本,又缺乏时效性,极大地限制了人格特征分析的可应用性。近年来,线上社交网络迅猛发展,人们每天都会在社交网络上发布大量包含人格特征信息的内容,这为人格特征分析提供了大量有效数据,也使得基于社交网络文本信息进行人格特征分析获得了越来越多的学术关注。尽管基于社交网络文本信息进行人格特征分析的研究已经取得了很大的进步,但仍旧存在诸多不足。数据标注难、语义特征难以全面反映人格特征、难以有效利用其他学科知识等问题极大地限制了人格特征分析的效果。针对这些问题,本文研究并实现了一种能够融合计算机学科与心理学科知识的半监督人格特征预测算法,该算法在降低数据依赖的同时,可获得更好的分析效果。论文主要进行了以下研究工作:1、提出了一种专门针对人格特征分析的网络表示学习算法Personality2vec,该算法包括新的网络构建算法、网络游走算法以及改进的skip-gram算法。该算法可以将数据集中的用户嵌入为人格特征向量,达到良好的人格特征预测效果;2、提出了一种基于知识图谱的人格特征分析算法PerKG,该算法将知识图谱引入人格特征分析领域,通过基于现有心理学知识构建人格知识图谱,并对图谱嵌入算法进行改进,使得人格特征分析算法能够利用其他学科的专业知识,并在无标签情况下为数据集用户生成人格特征向量,达到良好的人格特征预测效果;3、为降低用户使用难度,提高用户进行人格特征预测的效率,设计并实现了一个人格特征预测原型系统,为用户提供了可视化的操作平台,实现了数据存储、人格特征预测以及结果展示等功能。