随着AI和5G时代的到来,智能可穿戴设备在人们的生活中的应用场景越来越广泛,如今,万物互联思想深入人心,作为近年全球销量年年增长的可穿戴设备之一的TWS耳机摆脱了曾经有线的束缚并且有携带方便、智能降噪等优点,受到了广大消费者的青睐。同时,网络购物逐渐成为人们的一种生活习惯,由于电子产品的自身复杂的属性以及电商平台的规范化管理和七天无理由退货政策,比起线下实体店,消费者更愿意在网上购买电子产品。用户评论内容作为消费者购买前的参考和厂商为后续产品进行优化的依据具有较大的研究价值,而电商用户评论动辄上万,因此对这些海量文本进行研究从而挖掘出重要信息具有较强的现实意义。本文将文本挖掘的方法引入到TWS耳机（真无线蓝牙耳机）用户评论的研究中,首先通过爬虫技术获取京东商城苹果、华为和小米的TWS耳机用户评论数据,其次通过数据清洗、中文分词以及去停用词处理,接着以词云图和语义网络图的形式展现出高频关键词以及彼此之间的关系,然后利用支持向量机模型和长短期记忆模型构建情感分类器分别对用户评论进行情感倾向分析,最后利用LDA主题模型挖掘正负面评论的潜在主题,从而清楚了解用户对产品的满意点和痛点,一方面潜消费者可以结合自身需求和商品特性进行多维度对比,辅助其做出科学购买决策;另一方面厂商也可以根据用户的痛点在后期的产品上进行针对性的优化,进一步提高用户使用体验。经过分析后结论表明,第一,在对TWS耳机用户评论进行情感倾向分类时,长短期记忆模型的分类效果要优于支持向量机模型。第二,通过LDA模型分析表明苹果TWS耳机主要有音质清晰、降噪能力强、使用方便等正面特征和售后服务一般、续航能力不足、性价比低等负面特质;华为TWS耳机的正面特征包括外观、应用场景和售后服务;负面特征包括音质、续航和价格。小米TWS耳机有价格合适、性价比高、续航能力强等正面特征以及音质一般、连接延迟、做工一般等负面特征。针对各品牌耳机的不足以及电商平台存在的问题提出以下建议,苹果耳机厂商需要进一步提高耳机的续航能力和电池性能。华为耳机厂商要改善音质问题和提高降噪能力。小米耳机厂商除了在音质和降噪上提升,还需要在耳机的做工质量上下功夫。电商平台需要降低快递包裹损害风险和提高售后服务质量以此保持平台优良口碑。