汽车互联网+的消费方式逐渐普及,大量用户原创内容（User Generated Content,UGC）数据不断涌现,用户评论成为继网站搜索功能之后最重要的内容,但是这些内容来源广、数量庞大并且结构组织松散,很难从中挖掘到用户需求的信息。近年来知识图谱受到广泛关注,以其独特的图形化方式描述概念、实体及相关关系。本研究从应用的角度出发,将汽车产品的静态知识与用户生成内容形成的动态口碑数据及用户投诉数据结合,构建汽车的本体配置及用户需求相结合的知识图谱,通过可视化技术挖掘汽车产品的用户需求。研究的主要工作内容包括:（1）提出一种汽车领域用户需求知识图谱的构建框架。通过分析汽车产品用户需求知识图谱的构成元素,基于互联网环境下的多源数据,研究知识图谱的构建框架。具体而言,本文基于汽车百科、汽车产品说明书及汽车垂直网站等相关汽车产品数据源,通过分析汽车产品用户需求知识图谱的构成要素提出汽车领域用户需求知识图谱的构建框架。（2）基于知识图谱的构建框架,对具体的构建方法进行研究。首先,基于汽车领域专业词汇、结合用户评论中用户表述的谐音、错别词等,搭建了汽车领域专业词典;基于情感词典及用户评论词的特性搭建了用户评论特征词典。其次,研究如何从用户评论中联合抽取评论对象及词,提出了一种改进的评论对象及词的抽取方法,基于条件随机场的抽取算法,引入汽车领域专业词词典、用户评论特征词典重新设计提取特征,实现多特征融合的评价对象及词的联合抽取。最后,结合汽车口碑数据及投诉数据成功构建汽车产品用户需求知识图谱。（3）提出基于知识图谱的用户需求演化分析模型。首先从网络的核心涌现性对汽车领域用户需求的演化过程进行动态跟踪与分析,揭示汽车领域用户需求演化过程;其次,提出了基于汽车UGC数据的KANO模型的判别指标,并以用户使用时长为切片对用户需求的层级演化情况进行研究。