随着移动互联网时代的到来,移动运营商之间的竞争越来越激烈,如何维系好用户群体并提升用户的满意度成为各方竞争的焦点。用户投诉是用户意见的直接反馈,运营商拥有通过多渠道获得的大量用户投诉数据,其中蕴含了很多极有价值的信息,而当前运营商处理用户投诉往往只能依靠人工审阅,缺乏系统化和自动化的投诉分析工具。本文从移动运营商的用户投诉数据入手,首先对用户投诉进行主题建模,挖掘出用户投诉的焦点问题,其次进行了用户投诉自动分类的研究,最后,将用户的投诉与用户本身属性结合起来,挖掘用户的特征并描绘用户画像。通过这些研究,最终帮助移动运营商改善服务、提高竞争力。本文主要工作如下：1)对投诉文本进行主题建模发现投诉热点话题。针对经典的LDA主题模型在短文本上表现不佳的问题,基于短文本特征扩展的思想,提出了一种基于词共现网络进行文本特征扩展的方法,以解决短文本的特征稀疏问题。2)对投诉文本进行自动分类。针对传统的向量空间模型存在的特征维度高且无法分辨文本的语义模糊性的问题,使用文本的主题特征来进行文本的向量表示。不同分类算法下的实验表明,该方法能够在保证分类准确度的前提下大大提升时间效率。3)对投诉用户画像进行挖掘。针对传统的统计方法无法发现对用户具有关键影响力特征的问题,提出一种基于C4.5算法的用户特征挖掘方法,实验表明该方法能够挖掘出目标用户群体的典型特征。