随着互联网的日益发展,越来越多的用户通过微博等社交网络平台发表观点、参与热点事件的讨论。社交网络热点事件是指通过社交网络传播引起民众广泛关注并产生强烈反响的事件。在热点事件的传播过程中,通常会激起社会舆论、产生大规模的连锁反应,甚至危害社会的安全。用户作为事件传播中的主要参与者,是社交媒介的核心和主体,在热点事件的产生、演化和传播过程中发挥着重要的作用。因此如何准确有效地分析社交网络热点事件中的用户特征成为目前学术研究的重点。用户特征分析作为社交网络和数据挖掘中的热点问题,其涉及的研究范围很广。本文主要基于用户情感和用户影响力两个角度,对用户特征分析中的关键技术进行研究。其中,用户情感特征分析是对用户观点、态度的研究,可用于帮助政府部门及时了解热点事件对社会造成的舆论影响。用户影响力特征分析是对用户重要程度、信息传播能力的研究,对网络舆情的监督和指导具有重要意义。本文主要工作如下:（1）针对微博文本具有的语言不规范、文本稀疏、主题不明确等问题,本文提出一种全局特征和局部特征相结合的微博用户情感特征分析方法,基于全局的文档主题特征与局部的词向量特征两个角度对文本进行建模,用来处理微博文本特征稀疏和主题聚焦性差的问题。一方面利用统计特征、情感词典、分布式词向量,结合神经网络模型训练得到加权的局部特征。另一方面将主题模型引入特征提取中,融合神经主题模型来扩展文本特征,将文本主题特征作为全局特征来表示文本信息。实验表明,本文提出的算法可以更加丰富文本特征,有效地提升情感分类的准确率。（2）针对目前的用户影响力研究集中在社交结构、用户行为等用户因素而忽略了微博的质量和内容,本文提出一种基于用户信息和内容信息的微博用户影响力特征分析方法,综合考虑用户自身的直接影响力、粉丝的间接影响力及微博内容信息等特征来衡量微博热点事件中的用户影响力。一方面从用户的声望值、活跃度、传播能力、创新能力四个方面考虑,建立一种融合多角度的影响力模型描述用户的自身影响力。同时,借鉴PageRank的思想,设计得到用户的粉丝影响力。另一方面基于微博内容和评论信息,融合用户情感倾向,从文本的语义角度分析得到基于微博内容的内容影响力。实验表明,本文提出的用户影响力分析模型更能有效提升热点事件中用户影响力的准确性。综上所述,本研究基于微博热点事件,对用户情感特征和用户影响力特征进行分析,并通过实验证明了本文提出方法的有效性和准确性,对舆情监控、舆情引导等工作的效率和准确性的提高起到重要作用。