随着农产品电子商务热潮的到来,网购成为用户购买农产品的主要购物方式之一。在线评论作为用户消费的反馈内容之一,能够反映用户的真实使用感知、购买体验,挖掘提取这些评论中的隐藏信息,无论对学者还是商家均有着重大意义。细粒度情感作为评论文本中的隐藏信息,反映出用户真实感受和对产品主题的喜好程度,也涵盖了舆情方向和热点话题信息。该应用领域在辅助用户优化消费决策、建立评价体系、控制网络舆论等方向具有重大研究价值。本文以LDA主题分类、BiLSTM-Attention情感分析、IPA-KANO评价研究三个方向实现细粒度情感分析在农产品领域的应用。主要内容如下:首先,将京东生鲜平台作为数据来源,基于LDA模型的农产品在线评论的主题分类研究,依照文档-主题相似度将边缘评论进行剔除处理,依照主题困惑度及多维标度法获取最佳主题数,保证文本聚类性能,有效获取用户关注主题信息,并计算出每个主题的权重,避免人为给予权重的局限性;其次,通过对比不同深度学习模型性能,利用结果性能最优的BiLSTM-Attention对用户评论主题进行细粒度的情感分析研究,完整获取文本中的整体语义信息,避免依赖于情感词典的构建,精准识别用户的情感趋势,并计算出每个主题的情感值;最后,构建IPA-KANO模型对农产品在线评论主题进行评价研究,形成基于用户在线评论信息的决策与建议。实验结果表明,用户对农产品的关注涉及商家服务、整体、回购、活动等17个主题,定位出当前位于优势区、劣势区、改进区、保持区的农产品主题,实现对农产品用户关注主题发展趋势的评价与分析。本文着眼于对农产品电商评论进行研究,为农产品用户需求挖掘提供新的研究方向,为商家借助用户评论信息增强品牌忠诚度、提升产品竞争力提供一定理论依据。