应用商店允许用户对下载的应用程序进行评论,这些评论信息可以直接或者间接的反映用户意图。持续准确的挖掘用户意图可以极大的帮助开发人员维护和改善他们的APP。然而,由于应用评论具有数据量大、非结构化以及评论质量不一等特点,如何高效的挖掘评论中对开发者有用的信息,并将热点评论信息推荐给开发者成了软件开发中重要问题。为了解决上述问题,本文提出了一种基于用户评论分析的APP维护意见挖掘及推荐方案。首先,将用户的评论划分为句子粒度,根据用户的意图,采用自然语言处理技术对句子进行意图分类,将句子分成特征请求、问题发现等类别,并对每个意图分类下的评论中的句子进行主题划分;其次,在每个主题下对表达相同的维护意见的句子进行聚类;然后,对用户评论的情感分布进行分析来识别用户评论的重要性;最后综合考虑用户意图和情感偏好等多维度的信息计算不同的维护意见的得分,并以此划分用户维护意见的优先级,为开发者进行后续APP维护和版本更新、演化等提供高效且有价值的意见。为了验证本文所提出的相关理论及解决方案的有效性,设计了相关的实验,并以应用商店中APP的修改日志作为对照标准。实验结果表明本文提出的方案可以有效的从用户评论中挖掘用户需求,为开发者进行后续的APP维护提供建议。