IT技术和互联网对人类社会的信息交互带来了巨大的革新,同时也促使了新的交易方式——电子商务的出现,随着电子商务的发展成熟,人们越来越热衷于通过网络购买商品和服务,在研究领域,众多的学者对消费者行为的研究也从线下迁移到了线上。电子商务话题的研究是近几年的热门领域。Web2.0带来的交互便利、快捷使得用户能轻易的在网上留下自己的行为轨迹、发表自己的观点和意见,网络购物人群的快速增长使得电子商务网站积累了大量的购物数据,其中包括大量的非结构化的评论文本信息。对于消费者而言,这些评论信息有助于其做出更有效的购物决策,而对于商品的生产厂商而言,这些评论反映了消费者对其产品和公司服务的市场反馈,相较于普通问卷、咨询等调研方式,在线商品评论数据更为庞大和直接。用户在电子商务网站上留下的在线评论是消费者自发、随意撰写的,这些评论往往结构散乱、内容简短,这种文本的稀疏特性使得学者们在研究评论时面临很大的困难;另一方面,电子商务网站上的商品成千上万,各自的评论更是从体量上超过了人类能够阅读、判断的极限;即大数据、稀疏性带来的问题使得研究难以进行。对于在线商品评论的研究,以前的学者多从文档层面对评论文本进行研究,考虑句子结构,语法特点、词频等特征,或者从概率模型的角度,研究潜语义层面的话题特征,这些研究虽然取得了一定的结果,不过在处理文本的过程中,忽视了作为一个整体句子的语义信息。随着当今计算能力的提高,神经网络语言模型在语义层面解释了文本的产生和语义的表达。本文利用神经网络将在线评论文本从传统的文档空间转移到高维的向量语义空间,并对挖掘的评论特征种子词进行聚类,对于在线评论的话题和特征抽取达到了更好的效果。另外,对于大量数据的真实背景缺失问题,本文通过改进的困惑度指标,基于最大熵的原理,证明了本文所提方法的可靠性。同时,本文所改进的困惑度指标也可扩展为对大数据环境下聚类问题的统一评价指标,对大数据下的研究有一定贡献。为真实背景缺失的算法比较,提供了一个较好的评价方式。