微博是基于社交关系来进行信息传播的媒体平台。作为重要的社交网站，微博引发了众多的关注和研究。随着微博平台的蓬勃发展，微博用户规模的不断增大，微博用户的属性、关系和行为分析也逐渐成为了学术界和工业界研究的热点。其中，微博用户的兴趣爱好能够反映用户的倾向性，同时与用户性别、年龄、职业等属性有着紧密的关联性，对于实现更精准的用户群组划分和个性化推荐具有重要意义。目前，微博用户注册的兴趣标签缺失率达到70％以上，只依靠用户的注册信息不足以描述用户的兴趣情况。而发文内容通常隐含着丰富的兴趣信息，是挖掘微博用户兴趣的重要数据源。　　本文针对微博用户兴趣属性缺失问题，提出一种基于发文内容分析的微博用户兴趣挖掘方法。作者完成的主要工作如下:　　1.首先，利用频繁项挖掘算法和短语结合度算法，并结合基于短语的主题模型，从用户发文内容中提取出高质量的候选兴趣短语;　　2.然后，基于半自动构建的用户兴趣知识库，对兴趣短语的类别进行标识，从而实现对微博用户的兴趣分类;　　3.最后，针对目前大数据集的应用需求，进行微博用户兴趣挖掘算法的分布式实现，实现算法的并行化。　　本论文的创新点在于:　　利用统计学特性，提出一种无监督的兴趣短语挖掘方法，能够快速地从微博用户发文内容中提取出候选兴趣短语。　　利用“bag-of-phrases”代替“bag-of-words”来表示文档集合，能够获得高质量的兴趣短语集合，同时能够降低主题模型的复杂度。　　构建微博用户兴趣类别知识库，通过引入知识库，实现了微博用户兴趣的细粒度的划分和明确的语义类别识别。　　在SMPCUP2016数据集上的实验结果表明，本文的主题短语模型在困惑度和短语质量上取得的效果均优于传统的主题模型，表明本文的算法能够获取高质量的兴趣主题短语;同时，用户兴趣挖掘的准确率和召回率最高可达到78％和82％，说明本文的算法能够有效识别出微博用户的兴趣类别。