随着移动互联网的不断发展,各类应用市场上出现了种类繁多的各种App,并包含了海量的用户评论信息。提供一个合理的App的分类方案将会方便用户按需选择,从App的评论中发掘用户的需求和反馈,将会帮助App开发者更好地改进服务。本文基于App的描述信息构建了一个新的App功能分类体系,并且从用户的评论中抽取用户观点汇聚出App的评论观点标签并且挖掘出用户的心理需求。以App开发者对App的描述作为语料信息,基于主题模型构建了一个新的App功能分类体系。针对华为应用市场上2万款App,提取出了 12个App功能类别标签,并且得到了每款App在这12个功能标签下的分布。这样的分类体系,可以更全面地展示出App的功能,方便用户按需选用。用户评论中观点的自动提取和聚合是对海量用户评论进行自动分析的关键技术。本文设计了一种基于初始观点词性规则自动迭代发现新的用户观点词性规则的方法,来抽取用户评论观点,比传统的抽取方案能更加全面准确地抽取出用户观点。并设计了一种新的评论观点的聚类方法,对观点按照极性进行汇聚,最终生成每款App正面和负面的用户评论观点标签。按照心理学的观点,用户对App的选择体现了用户的需求。基于心理学扎根理论构建得到的App八个需求分类维度,以华为应用市场上用户对不同App的共计128万条评论为数据源,本文构建了一种基于深度学习的App评论需求分类模型,在每一个需求维度上都具有很好的泛化能力。