在资本、新媒体、国家政策和消费人群的多重驱动下，我国动漫产业产值持续快速增长，泛二次元用户规模逐年扩大，中国动漫产业市场需求已经十分庞大。因而需要深度挖掘动漫用户兴趣，对动漫衍生品用户偏好及行为进行研究，有利于吸引潜在用户和提高现有用户的留存率，有助于实现针对用户兴趣的精准偏好推荐，扩大动漫兴趣用户规模。本文采用文本挖掘的方法，基于动漫兴趣用户的评论数据，抽取出用户关注的动漫主题。并将抽取出的动漫主题应用于情感分析，分析用户的偏好。
　　针对现有的主题抽取模型存在依赖词典覆盖率;无法结合语境有效识别一词多义、中低频生僻冷门属性词;对细粒度属性词抽取效果有限等问题。本文提出了基于word2vec词向量+改进的k均值算法的主题抽取方式。本文的研究内容如下:首先，采用爬虫程序爬取豆瓣网国内外20余部热门动漫的文本评论，并进行分词、停用词过滤与词频统计等文本预处理;然后，基于word2vec模型，计算词语间的文本相似度构建并扩充候选属性词集;然后，获取候选属性词词向量并聚类，再采用点互信息算法过滤非属性词簇、文本相似度去除非属性词;最后，针对动漫领域扩充现有情感词典，并将抽取出的属性主题应用于情感分析，实验结果与大众评分结果相吻合，能真实反映用户的观影偏好。此外，与基于LDA的主题抽取、基于同义词典的主题抽取两种方法的实验结果对比可得，本文所采用的方法更优。
　　本文的研究可为其他领域的用户兴趣挖掘，动漫企业创作等提供理论指导，也可以为用户的个性化推荐提供基础，从而促进动漫及衍生品产业的发展。