随着消费者对产品情感体验的重视,“情感化设计”成为研究热点,其实施的关键在于准确获得用户对已有产品的感性评价数据,从而改进产品设计。传统的产品感性评价数据获得方法,主要通过问卷调查,结合语义差异法感知用户产品意象,包括意象词的筛选,数据的统计分析处理等,这一过程的每一步都是十分繁琐、耗时的,并且得到的是一个平均的数据,并未考虑用户个人的情感偏好。本文借鉴感性工学和模糊数学相关理论,提出了 一种基于在线评论数据并且考虑用户意象偏好信息的产品感性评价方法,并且通过BP神经网络建立了设计要素与用户偏好意象之间的关系模型。本文的主要工作及结论总结如下:（1）提出了一种基于在线评论数据,同时考虑用户偏好信息的产品感性评价方法。通过对在线评论数据的处理分析确定产品意象词,在前人研究的基础上确定表示等级的副词。以意象词前面的副词确定产品在这一意象上不同等级的分布情况。此外考虑到各个等级之间的语义交叉,基于质量分配理论对意象分布数据进行调整,从而获得产品的感性评价信息。（2）针对某一用户,本文的研究将其情感偏好纳入到产品感性评价当中,对用户关注的意象,考虑其意象偏好定义了“喜欢”和“不喜欢”两种不同的偏好序列,结合通过在线评论获得的产品感性评价信息,得到用户对产品集合中的每一个产品在其关注的意象上满足其偏好需求的概率,为用户选择产品提供了参考。（3）基于BP神经网络构建了产品设计要素与用户意象偏好之间的关系模型,通过在线评论数据提取用户所关注的产品设计要素,结合电商平台对产品的参数介绍,确定产品的设计要素。随后确定产品集合中的每一个产品的设计要素水平,进行数据处理后作为神经网络的输入数据,以产品在用户关注意象上满足用户需求的概率作为输出数据,构建了一个三层的BP神经网络,并对模型进行了验证。（4）以某电商平台的部分花瓶为例,对所提出的基于在线评论数据考虑用户情感偏好信息进行产品感性评价的方法进行了潜在应用研究,构建了花瓶设计要素和用户偏好意象之间的关系模型。针对花瓶这一产品来说,发现用户比较关注瓶口形状、颜色等设计要素。研究结果表明,所提出的方法具有一定的有效性和可操作性,为用户选择心仪产品以及设计师进行产品个性化设计提供了参考意见。