随着5G时代的逐步到来,互联网行业正酝酿着一轮新的爆发。与此同时,承载人们表达愿望的微博社交平台也发展迅猛。用户在微博平台上留下了丰富的个人信息和海量的个人动态,并且这些数据都是用户的自发行为,具有极高的可信度和多样性。通过对用户产生的这些多样性数据进行收集、整合、分析,可以做到尽可能全面、准确地描绘用户画像。本文主要从微博平台中收集用户数据,分析和挖掘用户特征,构建一个较为完整的用户画像。针对常见用户画像构建过程中标签模型与画像生成相分离的问题,本文利用标签生成与画像生成相融合的方法,提出了基于WBC融合的用户画像生成模型,相比于两者分离的方法进一步提高了用户画像的准确率。本文的主要工作如下:1.基于爬虫技术收集用户在微博平台上的所有相关数据,利用自动登录、构建账号池和代理IP池技术,实现每日百万级的数据收集模块,并通过聚类算法和数据清洗等数据预处理技术,构建和维护一个规则整齐、真实可用的用户信息数据集。2.基于主题挖掘模型对已完成预处理的文本进行建模得到所有潜在的用户兴趣,并且对数据收集模块收集到的微博用户自定义兴趣标签的进行数理统计分析,提出二者相结合的方法来构建一个较为全面的标签模型。3.利用用户数据集和标签模型,提出基于WBC融合的用户画像生成模型,实现同时保留词粒度特征和文本粒度特征的目标,并且将用户画像构建过程中的标签模型与画像生成进行融合,从而进一步提高用户画像的准确性。4.设计并实现用户画像系统,包括用户管理及各具体功能的可视化操作等,并且对系统的响应时间、可靠性和安全性方面进行了针对性设计。