在当今的网络信息时代,人们越来越依赖于网络进行日常的行为活动,这些活动都会在网络上留下痕迹,而这些痕迹信息通过分析和转化后就可以生成目标的用户画像,从而获得目标用户的隐私信息。然而,虽然用户画像技术已经有了长足的发展和广泛的应用,但是这些技术主要用于商业领域的兴趣和行为分析,关于用户本身内在特征的分析尚不多见,而将用户的内在特征再细化为情绪智力水平的画像方法则更为少有,用户画像技术在这一领域仍存在不小的技术空白。造成这一现象的原因是缺少对目标用户内在特质的量化方法,使得大量含有目标信息的数据被简单地处理后丢弃。而能够对目标进行内在特质画像的往往都是传统的心理学模型,这些模型则因技术问题始终停留在人工操作阶段。这使得当前使用心理学模型对目标的各项指数进行自动量化和用户画像的方法少之又少,并存在模型量化时所需参数与现有数据内容不匹配等问题。为了能够对目标用户的内在特征进行用户画像,本文将信息科学与心理学领域结合起来,提出了一种对目标用户进行情感分析和用户画像的方法。该方法首先对目标用户在Android平台上留存的痕迹信息进行采集,并对这些信息进行预处理,将其分为数据统计信息和文本上下文信息两部分。然后,对数据信息进行数据统计,对文本信息进行中文分词和情感分析,其中在情感分析中本文提出了一种计算句子情感值的方法。最后,对数据统计信息进行相关计算,完成社会关系和社交行为的用户画像;将句子情感值带入巴昂情绪智力模型,完成情绪智力水平的用户画像。在情感分析方面,本文提出了一种基于词典和统计的情感分析方法,用于计算文本数据中句子的情感值。首先,使用情感词典查询的方式对情感词进行极性值、强度值和情感分类,并使用各项数值计算情感值;然后,以整个情感词典为词原进行未登录词的相似度计算,将超过一定阈值的词语判定为情感词并计算情感值。最后,将所有情感词还原到所在句子中,计算出句子的情感值,并根据语法规则对副词或关联词修饰等情况进行了修正。此外,本文对该方法进行了两种形式的实验性能评估,分别使用准确率、召回率、F值和结果正确率等指标评价其情感分类能力和情感值计算能力,验证了该方法的可行性、有效性和准确性。在用户画像方面,本文根据从Android平台上采集到的用户数据,提出了一种基于数值和文本分析的用户画像方法。该方法通过对数据信息进行数据统计、对文本信息进行模型构建,分别生成目标在社会关系、社交行为和情绪智力方面的用户画像。其中社会关系和社交行为画像以目标用户的社交数据信息为基础,分别构建目标的社会关系图谱和活跃时间散点图;情绪智力画像以巴昂情绪智力模型为基础,对已经完成中文分词和情感分析的用户文本数据进行模型构建,使用各指数的生成规则对目标的情绪智力能力加以量化,并生成情绪智力值。本文方法首次实现了情绪智力指数的自动量化操作,分别从调查问卷、群体分布和评分趋势三个方面进行实验性能评估和准确性验证,并对参数值选取和情绪智力画像结果加以分析,证明了该方法是正确的、可行的和可解释的。