随着移动终端设备(包括智能手机、可穿戴设备等)的智能化与集成化不断增强,充分利用其内嵌的各类传感器,如麦克风、陀螺仪、WiFi、蓝牙等,可以实现对用户行为的全面感知与透彻理解。在此基础上,构建用户精准画像对于重点人群监测、精准商业推荐、个性化服务等各类应用均具有十分重要的作用和意义。然而在现实中,用户行为特性/规律往往分散在真实的物理世界、虚拟的信息空间以及隐秘的内心世界中,因此,要实现用户的精准画像必须把散落在不同空间和维度的多源感知数据有效融合起来,构建统一的、融合的用户画像框架。基于此,本文开展了基于多源感知数据的用户精准画像研究,具体研究内容包括以下几个方面:(1)人格心理空间:通过手机感知的多源数据对大五人格模型和心理模型进行刻画。利用方差选择法和皮尔逊相关系数法提取与人格心理问卷结果相关性显著的特征,使用递归特征消除法进行特征选择,用训练后的逻辑回归模型、支持向量机模型和随机森林模型分别对大五人格和心理状态进行预测,得到九维向量表示大五人格模型(5维)和心理模型(4维)的预测结果。(2)信息空间:使用手机产生的通讯数据对用户社会关系进行刻画。通讯数据包含手机用户唯一识别标志,基于用户间通信频次和时长构建周内周末的社交网络,研究用户在通讯网络中社交信任度和影响力的表现,成为衡量用户关系紧密度的重要指标。(3)物理空间:移动场景下产生的位置感知数据对用户移动分布关系、位置语义和移动行为特征进行刻画。分析不同用户的蓝牙连接分布,可发现用户的移动分布关系;利用TF-IDF分类方法提取位置语义,对用户访问位置偏好加以标记;对获取的蓝牙连接频次和时长建立周内周末的社会关系网络,区别用户周内周末的移动行为特征。在此基础之上,为了有效验证本文所构建的基于多源数据的用户精准画像方法,将之应用到移动群智感知应用服务中。具体而言,将用户的移动行为和社会关系画像分别应用于任务离线分发和在线分发中,离线任务分发阶段提出了基于效用函数的任务分配方法,随着任务数量增多,相比于传统的任务分发方法任务完成率和任务分发成功率平均提高了 10%;在线任务分发阶段提出了基于社会关系画像的任务转发方法,包含社会关系、用户信誉值和物理距离三个要素的任务转移实验中,比仅包含用户信誉值和物理距离要素的任务转移实验中任务完成率平均提高了 15%。