在这个产品丰富,人们选择多样的时代,企业要想生产出受大众欢迎的产品,就必须要了解大众的喜好。而在互联网时代,随着人们越来越多的网上购物,网络上产生了大量的在线评论数据,通过分析这些数据,企业可直接获得大众的喜好信息。因此,本文构建了一个基于文本分析的产品改进模型,研究如何从大量文本数据中找到消费者对产品具体特征的评价,帮助产品设计者针对性地改进产品设计,实现文本分析技术在挖掘产品评论领域的商业价值。具体可以分为以下三个部分:(1)构建一个文本分类模型对评论语料进行分类,分类为正向情感语料与负向情感语料。本文采用了三种分类器,通过scikit-learn学习库调用了朴素贝叶斯模型与支持向量机模型,通过keras深度学习框架搭建了BIGRU模型。通过实验证明,BIGRU模型在本文的情感分类任务上表现最好。(2)提出一种新的特征词对抽取算法。首先通过TF-IDF算法计算每一个词语在文档中的重要程度,并从中提取特征词组成本体库。接着结合词向量算法与文本相似度算法,提取本体词的相似词,构建特征词库。然后通过八条新的语法规则,抽取产品特征观点对,并对特征观点对进行统计分布,力求精准分析产品的具体特征。(3)以华为平板产品为例,首先应用本文提出的产品改进模型,针对具体产品的具体特征提取消费者的真实用户需求。然后对华为平板产品提出具体改进方案,并提出企业在改进产品的过程中,应当注意对产品作出全方位的改进。最后对本文的研究进行总结并指出本文研究领域的发展方向。应用本文的文本分类模型以及特征词对提取算法在测试集上进行测试,通过与对比实验的结果进行比较,本文模型将情感评价单元抽取的准确率提高了2个百分点,整体覆盖率提高了4个百分点,有效提高了情感单元抽取算法的精准度。本文据此提出了一个产品改进模型,该模型通过文本分析技术,对产品制定了有效的改进方案。