随着互联网技术的发展和大数据时代的到来,数据量的爆发式增长和大数据分析技术的成熟使用户画像成为自然语言处理、数据挖掘等领域的重要研究课题。性别作为建立用户画像的基本属性之一,如何利用用户产生的数据去预测用户的性别已经成为一项基本的研究任务。虽然目前已有不少关于中文微博的性别分类研究,但已有研究并没有充分结合微博文本和社交信息。同时,已有的性别分类方法大部分是基于需要大量标注样本的监督学习方法。本文旨在研究基于微博文本和社交信息的性别分类方法,主要研究内容包括以下三个方面:首先,本文提出了一种基于多类型文本的全监督性别分类方法。其核心思想是:为了区分微博中不同类型的文本,通过使用集成长短期记忆网络(LSTM)联合学习不同类型的文本信息,实现对用户性别的预测。该方法将不同类型文本分开训练,有效避免了混合所有类型文本对性别预测带来的不利影响。实验结果表明,本文提出的集成长短期记忆网络方法要明显优于只使用单一类型文本的方法以及其他集成学习多类型文本方法。其次,本文提出了一种基于多类型文本的半监督性别分类方法。其核心思想是:为了区分微博文本类型并同时减少分类器对大量标注样本的依赖。通过协同训练把不同类型的文本分为不同的视图,使用长短期记忆网络(LSTM)模型作为基础分类器依次从每个视图中挑选置信度高的未标注样本,最后将挑选的未标注样本加入到已标注样本中,从而扩充训练样本规模。实验结果表明,本文提出的方法在只利用少量标注样本的情况下可以取得较好的分类结果,并且该方法明显优于传统的半监督学习方法。最后,本文提出了一种基于文本-社交因子图模型的半监督性别分类方法。其核心思想是:联合微博文本特征学习和社交关系共同建模进行半监督性别分类。具体而言,针对拥有相同关注者的微博用户定义一种社交特征,通过构建文本-社交因子图(TSFG)模型实现对文本特征和社交特征的共同学习。实验结果表明,本文提出的方法能够有效的利用社交关系的信息来帮助学习分类器,取得了更好的分类效果。