随着社交网络的发展,用户在社交网络中产生的数据越来越多,这些数据为用户画像构建奠定了基础。目前,个性化推荐系统在市场营销和电商领域的重要性日益增加,而用户画像构建是个性化推荐系统成功应用的关键。因此,研究在线社交网络用户画像构建具有重要的应用价值。用户基本属性和用户兴趣是用户画像重要的组成部分,本文首先根据在线社交网络上的用户生成内容预测用户基本属性。其次,基于笔者开发的移动端微博阅读系统收集手势行为,进而挖掘用户兴趣,构建用户兴趣画像。最后,结合用户基本属性和兴趣画像,构建用户画像,并研究用户画像在用户兴趣推荐中的实际应用。首先,本文利用社交网络中的用户生成内容预测用户基本属性,包括用户的性别、年龄及地域。基于十折交叉验证的方法,在训练集中寻找主题模型和向量空间模型的最优参数后,进行用户建模并训练分类器,预测测试集中用户的基本属性。实验结果表明,不同性别和年龄的用户在新浪微博中的生成内容在主题上存在着差异,使用主题模型取得了最好的预测准确率;在用户的地域预测任务中,不同地域间的用户的生成内容无明显差异,使用主题模型的预测效果明显低于向量空间模型的预测效果。其次,为研究利用移动设备上手势行为挖掘用户兴趣,构建用户兴趣画像的可行性。本文开发移动端微博阅读系统,依据该系统收集用户产生的手势行为与手势行为对应的微博内容,从而挖掘用户兴趣,最终构建用户兴趣画像。实验结果表明,用户手势行为能够反映用户在浏览过程中的兴趣偏好,基于手势行为的用户兴趣画像构建能取得较好结果。最后,本文结合用户基本属性与兴趣画像,构建完整的用户画像。为研究用户画像在实际应用中的效果,本文基于用户画像向用户推荐感兴趣的微博。实验结果表明,基于用户画像的微博推荐应用能取得较好效果,测试用户对推荐的微博满意度较高。本文研究在线社交网络中用户画像构建及其应用问题,主要基于用户在在线社交网络上产生手势行为及其对应的内容,构建用户画像,并将用户画像应用于兴趣推荐中。本文的研究结果对个性化信息组织、信息推荐等研究具有重要的价值和意义。