汽车产品的普及与现代信息通讯技术的快速发展,催生了大量面向汽车领域的论坛、垂直网站以及社区。汽车领域垂直网站中包含了用户在选车、看车、购车、用车的过程中所发表的评论内容,体现了用户对产品基于真实体验的主观评价。这些评价内容不但能够直接反映用户对所购产品的需求,也能间接体现出产品的缺陷或痛点。因而,针对汽车领域的用户评价信息进行分析,不但能够快速定位产品的满意点与抱怨点,帮助企业进行改进设计,也能够帮助消费者进行合理的消费决策,具有重要的现实意义。本研究采用基于机器学习的文本挖掘方法,以主流汽车垂直网站的用户评价内容作为分析对象,对汽车产品的知识库构建、产品缺陷自动识别、用户主观体验评价等内容进行了系统的研究。本研究的主要工作内容包括以下几个方面:(1)提出了一种面向汽车专业领域的知识库搭建方法。首先,基于汽车领域专业词汇,结合当前汽车领域的网络新词、谐音词、用户表述时的错别词,搭建了汽车领域关键词典,从而更加贴合汽车领域文本内容与表述特性;其次,基于汽车领域核心概念以及概念间的关系,针对汽车产品类别、本体结构、性能指标以及使用场景等维度,构建了涵盖全面、体系完整的面向观点挖掘的汽车产品本体知识库,有利于对互联网文本进行解析、挖掘。(2)提出了一种细粒度用户主观体验评价的方法。基于汽车领域知识库,将评论文本进行以产品特征为中心的拆分,结合Word2vec深度学习模型获得评论文本的语句向量,基于机器学习模型,获得文本的情感分析结果,试验结果表明方法具有更高的查准率、查全率与F1值。(3)提出了一种面向多源数据和文本挖掘的产品用户体验评价模型。利用所建立的汽车产品知识库以及用户主观评价方法,结合互联网评论特性,构建了用以衡量用户体验程度的模型。并在实例分析中主流紧凑型SUV车型进行了用户主观体验评价试验,研究了竞品车型中用户主观评价的变化趋势,并对实验结果进行了说明。