【摘要】[目的/意义]针对当前社交用户兴趣挖掘效果不理想，且缺乏对兴趣类型特征的深入研究，提出一种新的长短兴趣挖掘方法。[方法/过程]首先引入兴趣价值参数作为先验知识对Labeled LDA主题模型进行改进，依据改进的主题模型挖掘不同时间窗口的兴趣主题，构建兴趣主题矩阵。然后基于用户兴趣的变化规律构建主题生命树，挖掘用户兴趣的生命特征和潜在关联，将用户兴趣划分为长期兴趣、短期兴趣和过期兴趣。最后依据兴趣主题的强度和波动幅度量化用户不同类型兴趣的权重，实现对用户兴趣的准确表示。[结果/结论]实验采用从新浪微博爬取的真实数据作为训练集和测试集，与已有的兴趣挖掘方法进行比较，结果发现长短兴趣挖掘方法在F1值和MRR值上最高分别提升了7.68%和7.41%。[局限]仅利用微博文本信息对方法进行验证，缺乏对跨平台信息的深入探讨。