用户画像是指最能代表一个人的一系列特征(例如年龄、性别、居住地、工作地点等等),用户画像分析是指推断用户特征的过程、手段和方法,同时也是对个人贴上精确的标签的有效手段,对基于用户个性化信息的一系列实际应用(例如个性化搜索、个性化推荐等等)有着很大帮助。随着社交网络(例如Facebook、Twitter等等)的快速发展,积累了大量的用户社交信息和用户属性信息,这些所积累的信息为从社交关系的角度构建用户画像提供了数据基础。本文通过对用户属性信息的填写完整度进行统计分析发现,在社交网络的用户属性信息中只有部分用户的属性信息是已知的,例如在Facebook中仅有40%的用户填写了完整的Location信息。为了合理地结合这些已有的部分用户属性信息和完整的网络结构信息构建更加精准的用户画像分析算法,本文提出了一种创新的基于主题模型的半监督的社交网络用户画像分析模型(UPTM)将用户的社交信息和已知的部分用户属性信息(例如教育背景、居住地等等)整合到一个统一的主题模型框架中,然后使用标签传播算法(Label Propagation)对UPTM的结果做精调,最终提供了一个基于用户社交信息和部分已知的用户属性信息的基于主题模型的半监督用户画像分析方法。本文在实验部分基于四种不同的评价标准并通过真实数据集上不同的用户属性预测任务做了对比实验,实验结果论证了本文提出的基于主题模型的算法框架在用户画像任务上的准确性上较于其他方法有明显的优势。