随着近年来互联网音乐平台的快速发展以及情感营销在其中的运用,相关领域已开始意识到互联网企业营销应重视挖掘顾客的情绪特征,特别是对于情绪特征尤其鲜明的音乐社交市场而言。音乐的本质内涵是情绪,在“音乐社交”情感营销中情感元素具有更特殊的地位和意义。音乐社交平台通过捕捉用户特征信息可进行针对性情感营销、提高用户忠诚度,而用户互动评论是音乐社交平台的一个关键特点,其中隐含了大量用户音乐体验的情绪性反馈。传统的用户信息挖掘主要基于访问记录等行为层面的信息,忽略了用户评论中隐含的大量体现用户音乐情绪心理的内容,用户在音乐欣赏上无论是整体性的还是个体性的情绪规律都是对营销活动、平台发展具有重要意义的信息。此外,目前有关于音乐情绪及音乐情绪中意象加工的理论尚存在不足与诸多争论,需要结合实践进行补充。本文基于网易云音乐上的用户评论信息,把研究焦点放在音乐情绪中意象加工的特征规律上进行相关问题的分析。针对音乐社交中情感营销缺少刻画用户情绪特征的方式,提出用户情绪的“三向二度”评价指标,并应用于本文研究结论中。研究中使用Python语言实现网易云音乐户用户评论数据的爬虫编写、后续模型的构建运行、以及数据可视化等。具体研究包括两部分,其中基础研究部分主要证实了用户评论对音乐情感类别区分的可靠性,是本文以用户评论作为数据对象进行研究的基础。面向特定情感标签的音乐作品,将对应的音乐评论作为情感分类模型的训练、测试语料,通过训练后的模型进行音乐情感分类准确性等多项指标的统计、分析。结合音乐情感分析结果,讨论并总结音乐评论在音乐情绪区分研究中的有用性、可靠性。主要研究部分通过融合情感、语义元素,优化了传统LDA主题模型作为评论数据意象挖掘的工具,在基础研究的基础上获得各情感类别下的基础主题分布,以及各个主题对应的具体意象。通过前置研究所训练的word2vec词向量模型将主题意象映射至100维语义向量空间上,统计各基础主题的分布特征值,同时在二维空间上观察总结主题意象在语义空间上的分布特征。在情感倾向判断上,建立了适合本文音乐评论数据的情感词典,对各意象、主题进行情感倾向性判断,统计分析各情感类别下主题分布的情感倾向规律,并确定对应的情绪特征评价矩阵。根据本文结论中用户情绪特征及其评价矩阵,虽然三类情感作品中用户的情绪反应大部分均表现为正向积极偏向,但相较于欢乐、愉快、宁静等情绪,音乐社交平台用户在伤感、孤独等低落情绪上具有更丰富的语义内容。音乐平台在针对性情感营销中,应把握好用户的伤感文化需求,以促进用户黏度、提高营销效率。针对研究中提出的各基本问题,本研究具体结论有:(1)用户的音乐评论能够明显区分音乐情绪;(2)获得各类音乐情绪蕴含的主要主题,以及各主题下的具体意象内容;(3)社交平台上,用户对各类情感的音乐作品均表现出正向积极的情感倾向;(4)用户音乐体验的悲伤情绪具有更丰富广泛的意象内容;(5)音乐社交平台上用户的情绪特征主要表现出广泛的伤感文化主题;(6)获得了用户伤感文化需求的主要内涵。