随着互联网的飞速发展,信息服务业也随之飞速发展。提供信息服务的企业越来越多,信息服务业的竞争也越来越激烈,信息服务业的市场环境愈发严峻。企业想要获得成功,不仅要开发出能够满足用户需求的信息服务,准确地预测信息服务的采用情况也至关重要。信息服务的采用情况是其商业成功的直观反应,对信息服务的采用情况进行预测,探究用户采用信息服务的影响因素能够指导信息服务发开商制定研发计划和营销计划,还能够为信息服务后续的更新工作提供参考。由于游戏开发在信息服务业中的竞争是最为激烈的,且每年新发行的游戏信息服务数量巨大,因此本文选取游戏信息服务为研究对象,挖掘用户采用游戏信息服务的影响因素,优化已有的信息服务预测方法。本文梳理了已有的预测方法,发现在现有的预测方法中,基于统计学习的线性预测算法的预测性能往往不如基于机器学习的非线性预测算法,但是基于机器学习的预测算法无法评估输入特征的重要性,从而就无法探究用户采用游戏信息服务的影响因素。所以,本文引入了独立子空间来对现有的预测算法进行优化,以期所提出的预测方法能够在准确评估输入特征重要性的同时还拥有良好的预测性能。首先,本文主要利用了LSTM情感极性分类模型和LDA主题模型进行游戏信息服务采用预测的特征指标抽取。通过LSTM进行游戏信息服务在线口碑评论情感分类,将用户情感以及用户评分作为游戏信息服务在线口碑特征,然后利用LDA主题模型进行在线口碑评论主题聚类,挖掘用户的关注点,将生成的主题进行整理后作为用户关注特征。然后本文基于时间序列构建了预测模型,利用ISM集成预测方法、RSM集成预测方法和单一预测方法进行游戏信息服务的采用预测和特征重要性评估。在对小米游戏中心新发行的一百款手机游戏应用进行实证研究后,研究结果显示,ISM集成预测方法能够准确地评估输入的特征,且预测性能也得到了提高。其次,在对游戏信息服务在线口碑评论进行情感分类与主题挖掘后,结果表明,用户在游戏信息服务发行前往往倾向于做出积极或者中立的评论,在信息服务发布后,消极的评论数会慢慢增加。此外,用户在对手机游戏应用进行在线评论时,主要关注手机游戏的玩法、美术、配音和付费这四个方面。最后,使用ISM集成预测方法对输入的特征进行重要性评估后,结果表明用户在信息服务发布的最初阶段主要是根据直观因素来采用信息服务,比如信息服务的研发商、代言人等,而随着发行时间的增加用户会更加看重玩法、付费以及评论情感等因素。本文在理论层面上,利用独立子空间对现有的预测算法进行了优化,使得优化后的ISM集成算法能够评估输入特征的重要性,且有着良好的预测性能,给同类型的产品预测提供了新的预测方法。此外,本文在特征选择时,融入了游戏信息服务在线评论情感,并通过主题聚类挖掘用户的关注点,充分考虑用户方面的因素,为产品预测研究中的特征抽取与变量选择工作提供了新思路。在实践层面,本文提出的预测方法帮助游戏开发商进行游戏信息服务采用预测,并探究用户采用游戏信息服务的影响因素,为企业的研发与营销工作提供参考。