随着我国汽车产业的高质量发展与转型,新能源汽车保有量明显陡增,产品质量问题进入集中爆发阶段,严重制约新能源汽车行业发展。产品质量改进对新能源汽车行业的可持续性有着积极影响,新能源汽车用户的年轻化与个性化对产品质量改进的及时性和精准性提出了更高的要求。但受限于传统质量反馈方式（问卷、电话访谈及调研等）无法及时与准确的识别用户质量改进需求。在线评论作为商业情报的可靠来源,为新能源汽车质量改进识别提供了新的生态土壤。本文基于在线评论质量反馈视角,运用深度学习、依存句法分析、Kano模型和质量功能展开QFD等方法,构建了新能源汽车产品质量改进识别框架,并针对新能源汽车T插电混动版进行了实证研究,具体完成以下工作。（1）首先完善了新能源汽车质量改进微观理论。从汽车与其他产品、新能源汽车与传统汽车质量改进异同进行微观分析,为新能源汽车产品质量改进建立基础。（2）其次构建了基于在线评论的新能源汽车用户质量改进识别框架。抓取35种热销新能源汽车评论,对评论进行分词、停用词去除和词性标注等预处理。为准确识别质量问题选择长短期记忆模型LSTM分类负面观点评论,对所得负面评论进行依存句法分析得到6条方面级观点抽取规则,结合词典对方面级观点进行量化,并采用Kano模型进行需求分类。（3）最后构建了基于在线评论的质量功能展开QFD方法,针对新能源汽车T插电式混动版产品进行了实证研究。识别出15个用户质量改进需求,运用质量工具亲和图KJ对质量改进需求进行层次分解,邀请专家分析与打分得到17条相对应的工程质量特性和关系矩阵,然后利用用户评分得到市场竞争矩阵。将所有矩阵输入质量屋,得出产品质量改进相关结论与建议,进一步证明了方法的可行性与有效性。本文提出基于在线评论的新能源汽车质量问题识别框架,为在线评论驱动质量改进识别提供思路、框架和工具方法,补充和深化了大数据驱动的质量管理研究。不仅有助于企业识及时别新能源汽车质量隐患,亦可辅助相关质量与设计人员更好地了解用户质量改进需求,为产品质量改进提供决策参考。