中国网络购物市场飞速发展,消费形式的转变已经逐渐被大众接受,大量的线上商城蓬勃发展,给人们生活带来便利的同时也在运营中产生了大量的数据,对于一件商品其大量的信息均来自于商家的描述和介绍,而商品的评论则是主要来自于真实的、具有消费记录的消费者,从这一点来看商品文本评论不仅仅有助于消费者了解商品情况也可以帮助商家进行产品升级。大数据时代,传统的统计调查已经不能够满足海量文本的调查,不但既费时又费力,调查范围小调查精度也不高。这种情况是大大不能满足企业以及个人的需要。在人工智能高速发展的今天,部分传统调查的技术渐渐被取代,这里要使用就是相对更为简单、便利的文本挖掘的相关技术。本文以三大电商——淘宝、天猫、京东的主要品牌的儿童电话手表的评论为例,基于网络爬虫及自然语言处理技术,紧紧围绕消费者对儿童手机的需求特点,对近十万真实的电话手表的评论文本进行一系列的统计分析和数学建模。主要进行了以下步骤:首先对于模型的原始数据进行采集,将采集好的的数据应用传统统计方法和分词、去词等机器学习算法进行数据预处理,再将数据预处理后的数据利用Python软件输入到构建好的长短期记忆神经网络（LSTM）模型中,得到具有正负情感倾向的文本语料,初步展现了电话手表的优势和劣势。最后采用LDA主题模型分别得到正负情感倾向文本的关键主题,最终在正面的语料中挖掘到了电话手表的需求,在负面的语料中挖掘到了电话手表的不足。经过预处理和LSTM模型以及LDA模型的分析后,对电话手表这类儿童、青少年的专用手机的消费者需求进行了提取,这些提取结果也为电话手表的生产商和运营商提供了产品发展的方向,也为卖家制定营销策略提供一定的依据。