人格(Personality)是个体独有的一种性格特征。它的形成与诸多因素有关,且相对稳定并会伴随人的一生,影响着人们的言行举止。社交网络平台的出现为科研工作者研究用户人格特质创造了条件,用户网络行为数据能准确反映用户人格特质。社会科学与计算机科学之间日益融合的趋势促使研究人员开发出自动化方法来提取和分析用户数据足迹,以分析人格特质。本文以典型的社交网络平台新浪微博作为研究用户人格类别的平台,将用户参与热搜榜中的话题作为研究对象,分析用户对不同事件的态度和点评所反映的人格类别。本文主要工作包括:(1)建立基于CI-SVM的社交网络用户人格分析模型。研究在网络大环境下,由参与同一话题的用户组成的小团体产生的群体智慧对分析群体内个体人格特质产生的影响,由此创建结合群体智慧的特征值计算表达式,进而构建CI-SVM模型用于社交网络用户人格分析。实验结果表明,构建的CI-SVM模型对社交网络用户人格分析有一定价值。这对社交网络用户人格分析提供了很大帮助。(2)构建基于社交网络的RAkEL-PA模型。为充分考虑五种人格类别之间的关联性,对多标签集成方法RAkEL进行改进,构建RAkEL-PA模型。实验通过微博用户发布的话题相关数据,提取出与人格类别相关的特征,分别在RAkEL_d-PA和RAkEL_o-PA两个子模型上完成实验。实验结果表明,基于社交网络的RAkEL-PA模型提高了用户人格类别识别准确率。同时,该模型与BR、CC、MLkNN和LP四种常用多标签学习方法进行了比较。