电子商务在飞速发展的同时也出现了严重的竞争性问题,电商企业一般采取差异化战略来突出产品优势。通过产品差异化,企业可以使其产品或服务脱颖而出,从而增强品牌忠诚度,扩大营业规模。在线评论是获取商品评价的重要渠道,对企业和用户来说都有重要意义。基于此,本文提出了基于在线评论情感分析和模糊认知图（FCM）的产品差异性分析模型,从品牌和品牌层级两个维度对产品差异性进行分析。在分析产品差异性时重点关注以下两点:如何获取用户关注属性以及如何对此进行分析。首先,为了确定用户关注的属性,利用隐含狄利克雷分布（LDA）模型对在线评论的主题进行了研究。通过长短期记忆网络（LSTM）和概率语言术语集（PLTSs）捕获用户对商品及其属性的情感倾向。其次,为了进一步探索属性间的关系,利用模糊认知图建模。然后,根据扩展Bonferroni平均算子（EBM）对决策信息进行汇总,获得了不同品牌与层级的综合评价,并用评测指标评价了此方法,从企业和用户两个角度分析产品差异性并提出改进意见。最后,利用真实的化妆品数据验证模型有效性。实验结果表明,该决策模型可以有效的挖掘用户关注属性以及属性关联关系,可以有效地用于产品差异性分析。本文将非结构化的在线文本评论数据作为研究对象,通过LDA、LSTM以及概率语言术语集来对在线评论中的文本进行情感评估,同时还结合了模糊认知图计算中心权重,最后利用EBM对情感数据和权重数据进行有效结合,从而实现将在线评论的非结构化数据转化为定量信息,获得满意度评估。