近年来,随着互联网的飞速发展,众多消费者在购物时都习惯于通过在线口碑来了解产品的优劣,文本评论作为在线口碑中最常见的形式,其对消费者购买行为起到了非常重要的作用,而文本评论最核心的内容就是评论者所表达出的情感极性。在汽车产品的选购方面,尽管大部分消费者会选择线下交易,但他们在挑选汽车时,很多都会采用同网络购物类似的方式,通过汽车论坛当中的文本评论了解产品的相关信息。本文将现今较为成熟的文本情感极性分析应用到汽车文本评论当中,从而获取用户对汽车产品的多元反馈信息。一方面,通过维度词表和规则对句子级评论进行标签匹配,从而确定该评论所描述的具体属性;另一方面,采用机器学习和深度学习方法(LSTM)来分析评论的情感极性。最后以车系为单位将两者的结果汇总,并通过定义评分指标和可视化的方式进行呈现。该评分结果不仅能够帮助厂商决策人员调整和改进产品,而且对消费者挑选汽车产品有着重要的参考价值。在汽车文本的情感极性分析部分,实验表明:机器学习方法中,词向量均值作特征,支持向量机或逻辑回归作分类器时效果较好,模型在验证集上的准确率可以达到95%以上,而相较于机器学习模型,深度学习模型的效果更佳,其在验证集上的准确率能达到97%以上。