随着互联网和电子商务的快速发展,越来越多的消费者倾向于在网购后对商品进行评论,从而产生了大量的用户生成内容(User Generated Content,UGC)。这些UGC不仅对后来的购买者的决策产生一定的影响,而且体现了用户对商品的态度,包含了许多有关于产品和服务的客户知识,如用户的商品需求、产品偏好等,挖掘这些客户知识对产品的开发与宣传具有一定的商业价值。因此本文是从商家的角度,对用户在对产品评论中所表达的需求进行分析,并对用户群体的核心需求进行挖掘的研究。本文运用细粒度情感分析方法进行研究。首先在爬取数据并对文本信息进行预处理的基础上,提出基于中文语境的双传播迭代算法,以提取文本评论中的属性词与情感词。其次,基于词语的语义空间向量相似度以及k-means算法,对原始属性词进行合理归类。再次,基于分类器的方法对情感词极性进行判别,并对产品属性进行情感倾向分析,以发现用户对产品属性的态度。进一步地,为避免文本挖掘得到的用户需求分析结果相对分散的缺陷,本文以产品属性作为节点、产品属性的共现作为边构建网络模型,并运用网络聚类分析方法,挖掘用户核心需求,对商家而言更具实际意义。最后,总结分析成果,为商家提供决策建议。本文的研究贡献主要有:(1)基于双传播算法的细粒度情感分析,无需标注数据集,产品属性词和情感词提取比传统方法更有效。此外,该方法能适用于不同领域的分析,具有广泛的适应性。(2)实验以天猫手机评论为例进行深度分析,发现了当前手机厂商之间激烈竞争的态势,并挖掘目前手机消费者对商品的共同核心需求与期望。(3)同时考虑产品属性的重要程度及其情感倾向,运用网络聚类方法,挖掘用户核心需求,为商家提供了更具针对性与指导意义的结果,让商家更为了解自己的用户群体与产品缺陷,从而为未来产品的开发提供战略决策依据。