互联网时代,信息技术飞跃似发展,数字化科技越来越多的应用到现实社会中,手机正是数字化科技的最好体现。手机如今已成为了人们日常出行的必备品,集支付、交通出行、时钟、办公等操作功能于一体,但随着各大品牌商的角逐,手机市场不断推陈出新,在手机性能方面更是投入大量的成本,逐渐改进,希望占据更多的市场份额。然而在众多的手机品牌中,每款的手机也被用户贴上了不同的标签,比如小米手机主打性价比,华为手机拥有自己的处理器海思麒麟,苹果手机以流畅的用户体验而占据中国手机市场的一块大蛋糕。但用户购买手机到底是看重手机哪方面的性能呢,换句话说,手机哪方面的配置才是一款手机产品的核心卖点。因此,为了了解用户对手机的需求偏好,本文基于京东商城的网购平台,以华为手机和苹果手机为例,选取华为P40手机和Apple iPhone12两款机型为研究对象,爬取了用户评论数据,运用文本挖掘技术,主要通过二分类算法对这些文本数据进行详细分析。首先,为了充分利用文本挖掘技术从数据库中获取有关评论信息,论文利用八爪鱼采集器采集数据,将京东商城采集到的华为P40手机和Apple iPhone12手机的评论数据作为分析语料。为了能够更好地对评论数据进行正负面的情感态度分类和文本的主题挖掘分析,论文针对用户的评论数据都进行预处理,通过对文本进行分词、去除停用字、词向量转换、特征选择等处理,获得规范化评论数据。其次,对用户评论数据进行分词、去除停用词、特征降维等规范化处理后,从构建情感词典和二分类模型两个角度分别针对这些数据进行了情感倾向分析。关于情感词典的情感倾向分析,本文选取了知网HOWNET情感词典,通过正负评价词及否定词之间的匹配程度来分析评论数据;而对于二分类模型的机器学习方法,文中将抓取的评论数据分别划分成训练集和测试集,训练集80%,测试集20%,然后利用逻辑回归、XGBoost、GBDT+LR以及SVM四种二分类模型对测试集数据进行模拟,然后对模型得到的结果进行比较分析,通过ROC曲线、AUC值、混淆矩阵三个指标对这四种二分类模型进行评估,结果显示最优的模型是SVM,GBDT+LR模型次之,XGBoost模型的分类效果是四种模型中最差的。最后,利用LDA主题分析模型,分别对华为P40手机和iPhone12手机的评论数据进行主题挖掘分析,通过计算各主题之间的相似度（平均余弦距离）得到最优的主题个数,对评论数据的主题进行总结。