近十年来新能源汽车得到了广泛的关注。然而,不少新能源汽车的设计仍沿用传统燃油车的方案,特别是外观设计。对于选择新能源汽车的用户而言,是否有区别于传统燃油车的外观设计需求,是值得研究的课题。感性工学设计方法能捕捉及量化用户的感性需求,被大量应用于产品外观设计的用户需求分析。传统的感性工学设计方法需进行大量的访谈及实验,数据收集成本较大。随着移动互联网的普及以及用户共享意识的提升,用户在汽车论坛、网站等渠道上生成了海量评论数据,其中蕴藏了大量的用户感性需求信息,为企业及设计师充分了解用户设计需求,获得更精准的产品设计需求信息,制定更精确的市场运营计划,提高新能源汽车竞争力提供了极大的契机。针对这一问题,本文提出一种基于用户评论挖掘的新能源汽车外观感性工学设计方法研究。首先,本文基于Python编程语言和Scrapy自动化爬虫框架,对多个汽车门户网站进行了自动化爬虫系统的部署,采集用户属性、评论反馈以及汽车产品信息参数。随后,通过文本清洗、构建汽车领域词库以及文本分词、训练词向量模型等文本处理方法,实现快速高效的数据预处理。第二,为实现从大量评论文本中精确地提炼出用户感性需求,提高感性信息的可信度,本文应用深度学习框架Pytorch搭建基于双向长短时记忆神经网络（BI-LSTM）和条件随机场（CRF）的汽车关键词提取模型,实现对汽车外观与用户感性信息关键词的提取。其次,应用基于多层感知机神经网络（MLP）的属性情感匹配模型,在加入实体信息的基础上进行汽车外观关键词和用户感性信息的关系匹配。第三,本文提出一种基于Apriori频繁项集指导的结构方程模型的感性工学定量分析方法,协助设计师更好地挖掘产品设计要素和用户属性与用户感性体验之间的关系。为验证方法的有效性,与线性回归模型和未加入Apriori频繁项集的结构方程模型进行了对比,实验证明本文提出的方法在拟合优度上优于其他两种方法。此外,本文利用太平洋汽车网、汽车之家等平台上17款燃油汽车和13款新能源汽车的评价数据作为研究对象,结合用户属性,进行感性工学定量分析。结果显示,所提出的感性工学定量分析方法能提供较好的对产品设计改善以及用户市场定位的指导性意见。最后,在整合感性工学定量分析的结果基础上,应用Python编程语言以及MySQL数据库,开发汽车外观感性工学应用系统,并对系统界面进行了展示。本文设计的感性工学应用系统能够为设计师、经销商以及用户提供产品需求设计指导、市场运营建议以及购买推荐等一系列帮助。