随着移动互联网的发展,企业与用户之间的距离越来越近。在线社区讨论逐渐打破传统的消费模式,成为用户消费决策的关键驱动因素。用户在购买商品或服务时会从商品评论社区搜寻关于该类商品关键词的在线评论,进行比较分析,进而衡量商品或服务是否能够满足需求。另外用户还可通过发表评论表达商品使用体验。事实上,用户发表的在线评论蕴含着其偏好或需求等有价值的信息。同时,企业通过对用户的需求或者偏好研究,传统的营销模式已无法满足企业的用户发展需要,对其进行消费行为分析或画像分析等,进而研发出更契合用户需求的产品或功能,并向目标用户推荐匹配用户喜好的产品。在线评论往往是企业分析用户或者向用户实施推荐时最容易忽略的数据。基于此,本文以在线评论为研究重点,从在线评论中挖掘用户需求特征,分别对用户消费行为和商品推荐算法进行研究,具体内容如下:（1）基于在线评论的用户需求挖掘及其对用户消费行为的影响研究。首先,使用扎根理论从在线评论中挖掘出6类用户需求,构建一套需求理论体系;然后从在线评论中提取用户情感、用户满意度、用户需求等特征;最后建立分位数回归模型研究这些特征与用户消费行为（APP的下载量）之间的关系。（2）基于评论感知的图神经网络推荐算法设计。首先通过Bert/Bert-Whiting从评论中提取需求特征并降维;然后通过表征学习将用户需求特征融入图神经网络推荐系统,提出了一种基于评论感知的图神经网络推荐算法（RGRS）;最后在斯坦福的亚马逊数据集上对RGRS进行实证分析和模型对比分析。本文基于在线评论分别研究其对用户消费行为的影响与推荐算法的设计。首先,结合软件工程需求理论,构建的需求理论体系在需求的覆盖范围上更加广泛;其次,将从在线评论中挖掘的需求特征加入用户消费行为研究中,填补了研究空白;最后,将在线评论中的用户需求评论特征融入图神经网络推荐算法中,提出一种新的推荐算法,以实现对用户的个性化推荐。