随着互联网的发展,人们表达观点、情感、意见等的途径得到了极大的拓展。Web2.0以后的网络为用户提供了表达自主意见的方式,网络用户从被动的获取知识,转变成为在网络上主动分享自己的观点。在这样的环境下,微博等一批新型社交网络兴起并迅速发展。通过微博,用户可以使用简短的140字进行信息更新和即时分享。用户在在线交互、发布和传播信息的同时,也提供了丰富的用户数据。对于在线用户的情感和倾向的分析随之逐步发展起来,情感分析和社交关系分析等相关领域也有了很大的发展。微博蕴含的用户基本信息、用户关注/粉丝信息和用户的微博信息都包含了许多的关于用户的有价值信息,这在一定程度上体现了用户的词汇选择、行为习惯与这个用户的性格。但现有工作中对于用户性格倾向这一更加本质和深入的话题尚且不足。本文着手通过社交网络上的用户行为数据、内容等信息、去挖掘和预测用户的性格。本课题的主要研究包括以下几个方面：第一,典型在线社交网络上用户倾向分析维度的建立和相关性分析。本文抽取用户在新浪微博上产生的信息特征,以皮尔森相关系数作为标准探究特征与用户性格之间的关系。第二,在线社交网络用户性格预测的建模和实证分析。以抽取特征与用户性格维度相关度为指标,对特征进行筛选。分别用两种回归算法和两种神经网络学习算法训练用户性格预测模型。对于四种模型,运用归一化的平均绝对误差进行评价。实验结果表明对于筛选特征使用高斯过程回归算法训练产生的模型效果最好,平均绝对误差为0.117。第三,微博预测用户性格模型的应用。运用训练得出的微博用户性格预测模型,探究性格相似度与微博用户社交性强弱之间的关系。针对以上提到的研究点,本课题进行了中文微博信息爬取和用户性格的预测实验设计及实现。研究结果展现了各个类型微博信息与用户性格之间的关系,并且成功的建立了基于微博信息的性格预测模型。