随着社交媒体的兴起,社交网络逐渐成为日常生活的延展,用户在社交媒体平台上设置基本信息进行自我展示,发布内容进行自我表露,点赞互动评论进行社交网络交流,在自我与社交媒体的交互过程中吐露心声、宣泄情绪、获得社会支持。在使用社交媒体的过程中,用户将自己的用户画像——人格、主观幸福感等心理特征的痕迹印刻下来,积累的海量数据被广泛应用于广告、推荐、搜索等各个业务领域。基于用户数据如此丰富的社交媒体平台,是否可以建立预测模型以评估用户的心理健康状态,是本文的主要研究目标。本文以新浪微博用户作为研究对象,提取微博行为特征与用户的大五人格、主观幸福感和自尊特征,建立用户心理特征的预测模型,并对心理特征各维度的影响因素进行分析。本文利用Python网络爬虫收集微博的数据,在数据处理的过程中,综合考虑情感词典和机器学习等情感分析技术,对比发现基于朴素贝叶斯算法的情感分析模型效果最好,准确率可达80.5%。另外,本研究从用户特征、微博行为特征和微博情感特征三个方面对用户心理特征分别建立了回归模型和分类模型。本文结果显示,多元线性回归模型在大五人格的尽责性维度和开放性维度有一定的解释效果,Logistic回归模型能较好地预测大五人格的宜人性、开放性和主观幸福感的消极情感频率。决策树模型对用户心理特征的整体预测效果最好,随机森林则分别在大五人格的外向性维度、主观幸福感的消极情感频率和自尊的预测上表现较好。