近年来,以Facebook、Twitter、新浪微博等为代表的社交网络服务飞速发展,用户量和覆盖率逐年攀升,已经成为人们日常生活中重要的社交娱乐方式,也成为了各大企业进行品牌建设、精准营销等个性化服务的切入点。用户在社交网站上留下的个人信息和行为信息,成为企业研究用户特征,了解用户需求,深入剖析用户的重要数据来源。用户画像技术可以通过对用户数据的分析和挖掘,将用户表达为多标签组成的用户原型,能够帮助企业精准定位目标用户,是后续个性化推荐等服务的基础,有着重要的商业价值。在这一背景下,本文主要研究了基于动态主题模型的微博用户画像构建问题。在传统的社交用户画像构建技术中,研究者将用户发布的文本内容看做无序的语料库,进而提取用户的兴趣特征。然而,用户的兴趣特征会随着时间发生变化,近期的特征表现所占权重更高,更利于准确的描述用户特征。因此,本文将时间因素引入微博用户的兴趣提取流程中,通过动态主题模型分析用户的兴趣在时间维度上的变化。整体而言,本文的主要内容和创新点可以概括为两个方面:1.提出了基于动态主题模型的微博用户兴趣提取方法,根据微博内容的时间戳将语料库分为不同的时间切片,实现主题在时间轴方向上的演化,最终得出用户的兴趣特征;2.构建了不同类型微博用户的细分画像,根据用户的活跃度指数将用户分为四种不同类别,并结合用户的静态特征和兴趣特征构建更加全面的用户画像,分析不同类别用户画像之间的差异。