随着互联网的迅速发展、电子商务的快速崛起,越来越多的人们倾向于选择在互联网上后买自己所想要的产品和服务,网络购物已成为一种趋势,已经彻底融入了人们的生活。但是,由于网购自身独特的无形性以及消费和生产的同步性,这无疑会增加消费者网购的风险。消费者购物后发表在购物网站上的评论是针对所购产品并且带有自身情感或偏爱的评论文本。对于消费者选择适合自己的商品,除了购物网站给出的固定参数以外,消费者在购物网站中发布的评论文本信息是获取产品重要信息的途径之一。因此,如何从线上评论文本中挖掘出有潜在价值的信息,从而帮助消费者选择合适的产品,已经成为了众多学者思考的问题之一。如何通过中文文本挖掘技术去改进已有的混杂多属性决策方法,从而进一步提高评价研究的准确性是本课题尝试解决的科学问题。本课题通过详尽的市场调查后,最终选择京东线上官方商城作为此次研究的数据来源,采集了商城中的联想小新系列商务笔记本电脑的消费者在线评论数据,以此中文在线评论文本作为数据源。通过去除重复文本、分词、去除停用词、统一大小写等预处理操作对其进行处理。再将处理好的中文文本数据输入到LDA主题模型当中,利用主题连贯性的思想确定模型的主题参数,再通过LDA主题模型挖掘出文本数据的主题,获取相对客观的评价指标,并且对各个评价指标的权重重新计算,构建相对客观的判断矩阵,用来替代原来层次分析法中专家主观打分所构建的判断矩阵,利用构建的消费者在线评论评价体系对小新系列商务笔记本进行综合评价。本文研究结果表明:（1）在小新系列商务笔记本的评价指标中,产品净重、产品价格、处理器性能、显卡性能是影响消费者购买的重要指标。其中处理器性能对消费者选择的影响最大。（2）在小新系列的四款商务笔记本电脑中,Lenovo小新Pro B的综合评分为0.308,排名在第一位,其产品在处理器性能和显卡性能方面十分突出,并且整体重量不大,推荐消费者对其进行购买。（3）对于Lenovo小新Pro A,其综合评分为0.110,排名在最后一位,没有突出的产品优势,需要在后续的产品优化中为其打造产品亮点。本文提出的基于LDA主题模型改进的层次分析法具有一定的研究意义,与传统的层次分析法相比,更加的客观且准确,能够精准的构建出消费者评价体系,并在帮助消费者选择产品和产品改进等方面发挥了不可替代的作用。