随着互联网技术的高速发展,用户在线评论已经成为衡量商品价值的重要标准之一,然而大量的文本信息参差不齐,如何高效地从海量文本中提取需要的信息资源是本文研究的重点。相对日常商品而言,新能源汽车价格高、购买频次低,消费者的在线评论数量较少,但正是因为它自身的独特性,消费者更愿意将真实的使用感受发布到网上,同时国家“十三五规划”明确了新能源汽车的战略地位,新能源汽车必将成为未来汽车产业发展的导向与目标,因此把握消费者对新能源汽车的关注重点,有针对性的为汽车企业提供建议,对汽车企业具有重要的应用意义。本文在相关理论与国内外学者研究成果的基础上,将文本挖掘技术应用在新能源汽车市场这样的商业领域,通过消费者的在线评论挖掘用户对于汽车整体的情感倾向并进一步分析用户对不同类型车的关注重点,取得的主要研究成果如下:1.在如今人们面临信息过载的情况下,利用网络爬虫技术对新能源汽车的用户评论准确、有效的爬取,并通过数据筛选、中文分词等得到有用的文本信息。2.构造关于新能源汽车领域的情感词典,利用情感分类算法将微博上用户的非规范化评论分为正面评价、中性评价和负面评价三类,整体把握用户的情感倾向及主要关注点。3.针对消费者的购车需求,首先根据新能源汽车各维度正面评价比例确定消费者对不同类型车的关注重点,得出了与现实较一致的结论,为潜在消费者购买汽车具有借鉴价值,然后利用LDA主题模型对结论进行解释说明,对于汽车企业调整自己的战略部署具有重要意义。最后,本文指出研究中可能存在的不足和进一步需要考虑的问题。