随着互联网时代的全面到来以及人们对与社交活动的需求，使得微博在近年来取得了飞速的发展，微博的注册用户也随之迅速增长。新浪微博拥有超5亿级的用户数，在这海量的数据后面隐藏着巨大的商业价值。在大数据时代，使用相关的技术手段对微博用户的数据进行采集和分析，建立用户画像的模型，便于更好的了解用户的兴趣偏好以及行为偏好，尽最大可能挖掘这些海量的数据后面隐藏的商业价值。这就是通过大数据建立用户画像，进而实现精准营销。而且企业可以通过用户画像系统全方位的了解到每个用户的信息标签，所以在企业进行推广与品牌建设的时候，用户画像也是一个不错的选择。随着大数据的发展，近几年国内外关于基于微博数据的用户画像与精准营销的研究也日益增多。最早提出用户画像的概念的是交互设计之父A.Cooper，他在探究中将用户画像定义为“基于用户真实数据的虚拟代表”。Amato，R.M.Quintana等将用户画像描述为“一个从海量数据中获取的、由用户信息构成的形象集合”，通过这个集合，可以描述用户的需求、个性化偏好以及用户兴趣等。关于用户画像的构成要素，国外学者D.Travis在提出用户画像这一概念时给出了7个基本条件：基本型、移情性、真实性、独特性、目标性、数量和应用性，并将这七个特性的首字母组成Persona一词，翻译为中文即为“用户画像”。国内学者也从不同的角度提出了用户画像的不同构成维度，如曾建勋提出从用户的专业背景、知识获取习惯、兴趣偏好、特长任务等方面构成用户画像标签。李映坤对用户画像的上述构成进行了拓展，提出了自然属性、关联属性、兴趣属性、能力属性，行为属性（消费属性）与信用属性的用户画像构建方法。关于用户画像的模型与方法，大致分为1、基于用户行为的画像方法，这种方法有助于剖析用户决策行为不同阶段表现出来的特征行为、变化过程、动因要素等，从而进一步发现该用户属于什么群体分布，该群体与其他用户群体的差异，基于此来构建较为完善的用户画像模型，为不同群体用户提供独具特色的个性化精准营销。2、基于用户兴趣偏好的画像方法，从国内外学者的研究成果可以看出，这种方法主要从两方面着手，一方面是基于用户在网站及社交平台的注册信息对用户的显性兴趣进行分析，然后构建用户画像；另一方面，也可采用隐式方式对用户兴趣进行搜集与推理，由此建立基于用户潜在兴趣的画像模型。3、基于主题的用户画像方法，这种方法较与其他画像方法优势在于其可以通过主题细致描述用户兴趣的多样性，避免关键字数量高于主题数的问题，减少用户画像的存储空间，增强算法的有效性。4、基于人格特性与用户情绪的画像方法，用户的个人特性及用户的某种情感信息也可应用于用户画像模型的构建，目前已有部分学者进行了初步的尝试，但是我国学者在该方面的研究还比较匮乏。

2. 研究的基本内容与方案

基本内容：1 绪论 1.1 研究背景 1.2 研究意义 1.3 本文研究内容 1.4 本章小结2 相关研究综述 2.1 大数据研究综述 2.2 用户画像构建方法研究综述 2.3基于用户行为兴趣挖掘研究综述 2.4 用户基本属性预测研究概述 2.5 研究现状概述 3 基于微博数据的用户画像 3.1 用户画像的综述 3.2 用户画像的数据源获取 3.3 用户画像标签建模 3.4 本章小结 4 基于微博数据的用户画像的结果分析 4.1 实验结果 4.2 实验分析 4.3 本章小结 5 用户画像与精准营销 5.1 基于用户行为的精准营销 5.2 基于用户兴趣偏好的精准营销 5.3 基于微博话题的精准营销 5.4 本章小结 6 总结与展望 6.1 工作总结 6.2 不足与展望 6.3 本章小结 参考文献

采用的技术方案以及措施：

1. 文献研究法：搜集整理相关研究资料，为研究做准备；

2. 调查研究法：用过访谈、问卷、统计分析等，调查某些用户在新浪微博上的数据。

3. 比较分析法：比较不同人群对不同话题的敏感程度，通过对他们贴上标签，以达到精准营销的目的。

4. 爬取数据法：通过某些爬虫软件，爬取新浪微博上一些用户的某些数据，以此为基础来建立用户画像，以达到精准营销的目的。

   措施：以传统文献检索手段为主，辅以网络、数据库等手段，开展资料收集、问卷调查、数据整理等工作。