随着移动互联网的普及,由用户生成的信息数量剧增,尤其是在线评论信息。面对如此海量的多样化的在线评论数据,如何高效地处理并从中挖掘出有益的信息,是近年来研究的热点。目前已有很多研究关注于如何对评论数据进行意见挖掘,以便帮助用户进行产品质量评估,或帮助商家获得产品反馈。但之前的研究对评论中的用户体验信息关注有限,且研究数据源较为单一。为了更好地利用多数据源评论数据,本文以手游领域在线评论数据为例,探索合适的语义分析方法,对评论中的用户体验信息进行挖掘,期望帮助游戏设计人员更好地对手游进行管理、维护和优化。另外,在进行上述研究时本文还注意到,已有研究对手游协作实践中的情境因素关注不多,特别是当游戏在设计中无基于位置功能的时候。针对该问题本文将利用人机交互领域的研究方法针对超局部情境对玩家手游实践行为的影响进行定性研究。主要贡献如下:(1)提出了基于用户体验的在线评论质量评价模型。本文通过对用户体验的特征进行信息化建模,提出面向用户体验的评论特征抽取方法,从而利用用户体验特征对评论数据进行有用性评价。该方法可以帮助产品研发设计人员更好地从在线评论数据中获得用户体验相关的意见反馈。(2)提出了针对多数据源的网站质量评价模型。本文通过对不同数据源网站特征进行提取,并根据这些特征对数据源质量做出整体评估,从而提出了一种面向多数据源的网站质量评价模型构建方法。由此本文提出了基于多数据源的评论数据有用性评估方法,并通过实验验证了该方法的可行性。(3)针对超局部情境如何影响手游协作行为进行了定性研究分析。该研究展示了超局部情境所包含的地点因素在参与者的手游实践中起到的重要作用。该研究成果对启发手游研发设计人员在人机交互设计时考虑如何支持超局部的游戏情境具有重要意义。(4)最后本文基于以上研究成果设计并实现了“基于多数据源的行业社区评论数据采集及文本挖掘集成系统”。该系统可以极大地方便研究人员对某个领域的多数据源在线评论数据进行采集,并根据自身需求进行基于用户体验的文本挖掘操作,该系统具有一定的创新性。