大数据时代下,互联网用户生产了海量的各种各样的数据,这些用户生成内容中尤其以评论为代表的文本中蕴含着大量有价值的信息,人们的生活也越来越依赖于此。同时社会文化艺术的蓬勃发展也促成了电影产业的繁荣,催生了服务于电影的影评平台,如豆瓣电影等。以豆瓣电影为代表的这些影评平台中电影的相关信息成为了人们观看电影的重要参考来源,尤其是里面大量的用户短评,作为影评平台中的用户生成内容,也是最有挖掘价值的信息,这些用户短评代表了电影的网络口碑,用户需要通过参考电影的网络口碑辅助自己做出观影决策。但是这些海量的文本数据也给用户对其中关键信息的获取造成了一定的负担,如何从短评文本数据中挖掘出有价值的信息成为了一个值得考虑的问题。本文基于豆瓣电影用户短评,提出了一种结合情感分析与主题提取的方法,对豆瓣电影用户短评进行主题特征发现,可以帮助用户高效的获取电影的口碑信息,发现基于用户短评的电影口碑产生的具体原因,以此为依据对自己是否选择观看这部电影做出判断。同时通过主题特征的分析,发现整体用户对电影内容的重要关注点,可以引导电影创作者准确把握市场用户的整体需求及偏好,有针对性的加强创作方向。本文的主要研究内容与创新之处主要有以下两个方面:（1）本文采取了一种对电影用户短评进行主题特征发现的新思路,独创性设计了对电影短评文本主题特征发现的流程框架。首先对短评数据采集并预处理,然后利用预训练模型进行情感分类,总体上对电影口碑进行情感倾向性分析,再从分类结果的基础上分别对正面评论与负面评论进行主题词提取,在不同的情感立场上分析,更具体的发现产生好评与差评的主要原因,并对交叉内容进行分析,最后结合用户特征,发现电影存在的争议之处以及用户对电影的关注重点,相比单一的文本挖掘任务,可以产生一些新发现。（2）在电影短评文本领域,还未就主题提取方法的适用性与性能表现上达成一致共识,所以本文在主题提取方式上,综合了两种比较常用的主题词提取方式,分别是基于图模型的TextRank关键词提取技术与基于主题模型的LDA主题词提取主题词技术,通过对两个模型提取出来的主题词求交集,得到了精确度更高的主题词结果,经评价指标PRF值的验证这一改进比单一的主题词提取模型有所提升。