随着互联网技术的蓬勃发展,以微博、微信等为代表的社交媒体应运而生,并凭借其全民化、多元化、自由参与等独特优势吸引人们的广泛参与。社交媒体用户规模庞大,用户间交互使得社交媒体产生海量数据,这些数据为用户画像生成提供了重要的数据来源。用户画像是建立在用户真实数据之上的用户标签化表示。用户画像对于精准识别用户需求与兴趣具有重要价值,现已被广泛应用于个性化推荐、精准营销等方面。微博作为web2.0时代具有代表性的社交媒体,其用户画像的构建逐渐成为当前研究热点。本文在综合已有用户画像研究的基础上,针对现有微博用户画像构建方法存在的对用户特征提取不全面、不准确的问题,提出基于兴趣转移的微博用户动态画像构建方法。该方法构建的微博用户动态画像包括静态属性标签和动态兴趣标签两部分。静态属性标签从用户微博平台主页的基本信息中提取;动态兴趣标签依据用户历史微博集进行动态的兴趣挖掘。本文主要的研究工作如下:（1）用户静态属性标签的提取:从用户微博主页个人信息中获取用户相关属性信息,包括性别、年龄、地域、学校、公司、个人简介、微博认证以及自勾选标签,对获取的原始文本进行文本处理,运用层次分析法确定标签权重,生成静态属性标签集。（2）基于兴趣转移的动态兴趣标签生成与更新:依据层次分析法确定不同兴趣行为反映用户兴趣程度的权重,并将其用于修订兴趣词权重,获取用户的初始兴趣词集;依据生命周期理论刻画用户兴趣行为周期曲线,构造兴趣转移的时间衰减函数,进而实现对用户兴趣词集的动态更新,即实现用户动态兴趣标签集中兴趣标签的动态生成与更新。最后,综合用户静态属性标签集和动态兴趣标签集构建微博用户动态画像。为验证本文微博用户动态画像的有效性,在真实实验数据集上,对比不同用户画像用于微博个性化推荐的性能。实验结果显示:与已有微博用户画像构建方法相比,本文微博用户动态画像用于个性化推荐具备较优的推荐准确率@6)和平均倒数排名。