随着互联网用户的增加和微博平台的快速发展,微博用户规模呈现出快速增长的模式,产生了大量的社交网络数据,为微博用户的分析提供了数据基础。因此,对微博用户的关系,兴趣和行为的分析已逐渐成为学术研究的热点。其中,微博用户发布的绝大多数博文都有一定的社交意图,社交意图分析是指挖掘用户通过文本想要表达的一种意图,我们对大量微博分析研究发现,微博社交意图基本可分为营销推荐、新闻评论、知识传播、心情感悟及日常分享等几大类别,在微博社交意图识别的基础上,将其准确地分类可为相关应用提供基础支持服务。例如可通过用户博文的社交意图习惯可判定其身份背景和社交目的,总是播发营销广告的用户就可推断其为商户,其目的是向关注者推销商品,实现盈利;经常推发与学术研究相关信息的用户就可归类为研究人员,其目的是维护学术声誉和传播知识。现在微博是主流社交媒体,社交意图识别与分类除了可判断用户的身份背景和社交目的外,也可作为格调的判别依据,为微博用户的格调画像提供行为维度参考,如:总是在朋友圈中推发广告求赞的发布者格调层次就不会很高。也可为微博用户分类增加新的维度以及微博博文精准推送提供近一步支撑。为了更全面准确地挖掘微博用户的社交意图,综合考虑了微博用户的原创、转发的微博内容等信息,本文,将其识别转化为一种语义挖掘和文本分类结合的技术化简,降低了复杂度,并且对下游应用也影响不大,是一种非常智巧的处理方法。从文本处理角度来看,社交意图识别是基于语句级别,利用语句的语义特征进行分类,而句子中的关键词对意图标签的定义有辅助作用。因此提出一种基于词、句联合训练的编码器解码器模型识别微博短文本意图的方法,在微博文本中,除了句子能够反映意图类别外,句子中的名词、动词也能够对意图类别提供一定的指导,因此我们采用词、句联合建模的方法,从而更精确地识别出微博短文本的社交意图类别;最后,为了更准确地识别微博用户的社交意图类别,我们通过分析了大量的微博用户信息构建了意图类别库。通过python爬虫程序收集了大量真实微博用户的博文内容作为数据集,并且通过我们进行的实验验证了我们提出的基于词、句联合训练的编码器解码器模型的有效性。实验结果显示,通过基于词、句联合训练的编码器解码器模型能够准确的识别出微博用户发表博文的社交意图类别;并且对比了本文提出的方法和BERT预训练语言模型在此任务上的效果。实验表明,该方法在我们的数据集上可以获得最好的准确率以及最好的F1值。