随着移动互联网和网络带宽的高速发展,多媒体已经走进了千家万户,丰富了人们的精神生活。视频的发展也从逐渐从PC端转移到了移动端,人们和视频的交互方式也产生了翻天覆地的变化。本论文主要从用户评论的采集和分类这两个部分对视频评论开展研究。由于每天网站上出现的以视频评论数量为主的用户评论呈指数级增长,而目前用户评论数据采集没有一套完整的分布式爬虫系统架构,因此本文构建了一套基于分布式爬虫的视频弹幕爬取系统。首先根据海量评论数据的需求特点设计了主控爬虫以及日志模块,日志模块用于爬虫系统的调试以及数据恢复工作,主控爬虫则负责任务的调动以及整个爬虫系统的状态监控。接着分别根据数据采集的需求,分别设计了剧集爬虫、单集爬虫、评论爬虫,为后面的用户评论分类打下坚实的基础。此外,本文进一步针对评论的用户情感分类进一步实现了用户评论分析系统,该系统对爬取的评论进行分析、预处理、主题词提取、词向量化、情感分类的工作,实现了对评论的用户情感分析。在用户评论预处理方面,本文采用了jieb分词包对用户评论进行了分词,并过滤了相应的停用词。接着通过TF-IDF对用户评论的主题词进行了提取,借此来显示每个评论的核心主题。然后通过对用户评论的词向量化实现用户评论分类系统的分类。词向量化模型首先通过嵌入层将用户评论映射成相应的词向量,以及构建针对用户评论的分类网络,该网络主要包含平坦层、隐藏层、输出层。根据实验结果显示,本系统所使用的方法能够有效的学习用户评论中有效的特征信息,从而对相应的用户情感分类起到良好的分类作用,相对传统系统准确率至少提升了7.11%,达到了82.79%。