计算机和互联网应用技术的飞速发展,使得人们逐渐从信息匮乏的时代迈入了信息过载的时代。在这个时代,无论信息消费者还是信息生产者都遇到了很大的挑战：信息消费者所感兴趣内容相较于海量的信息只能算沧海一粟,面对众多的选择和陌生的领域,消费者搜寻内心的渴望变得盲目；生产者为了让自己的信息能在信息海洋中脱颖而出,费尽心机却也收获甚微,自己的内容很轻易地淹没于信息的浪潮之中。而解决上述问题的一个很好的方法就是给用户提供个性化的推荐服务。正所谓“千人千面”,推荐服务需要了解用户的兴趣所在。为提高个性化推荐的准确性和多样性,用户兴趣建模成为工作的重点。然而,用户兴趣范围广泛且并不稳定,兴趣的表示方法和建模技术受到输入数据形式的制约,特别地,当用户的相关文档为非结构化的文本数据时,自动化建模有一定的难度。基于此背景,本文对基于内容特征提取的用户兴趣建模方法做了深入的研究。先后实现了基于主题词列表和向量空间模型的表示方法,并结合词表示(Word Embedding)的相关理论,提出了基于评论属性词提取和基于“句向量”两种表示用户兴趣偏好模型的方法。通过对结果的可视化展示,本文对句向量的特性和适用场景做了详细的探讨。最后,将本文提出的模型应用于视频推荐系统之中。本文研究的创新之处在于,融合了神经网络语言模型和向量空间模型对用户兴趣偏好进行表示。在一定程度上扩展了用户兴趣建模的思路,具有启发式的意义。