Web 2.0时代为用户创造了一个可自由表达观点和想法的机会。用户在电商以及社交平台(如微博、QQ等)上发表的各种评价在网络上形成了一种重要的资源—网络评论。网络评论作为一项重要的用户数据,是消费者根据自身的体验撰写的产品或服务评价,其中包含丰富有价值的信息。生产者或商家可以从用户发表的网络评论中了解其对产品持有的情感或态度,发现产品新需求,进而改进产品,提高产品的市场竞争力。相比通过市场调查、用户访谈等传统的产品新需求发现方式,网络评论具有成本低、效率高等优势。本文针对中文网络评论,进行了产品新需求发现方法的相关研究,旨在为企业或生产者更好地进行产品改进以及创新提供方法支持。利用网络评论资源进行产品新需求发现的过程中存在以下两个问题:首先,指数级的增长方式使得网络评论数量巨大,如何减少人工参与而通过机器或更加自动化的方式对网络评论进行挖掘分析;其次,网络评论中存在的垃圾虚假评论严重干扰需求获取结果的准确性。针对上述问题,本文主要工作包括以下几点:1.对网络评论进行挖掘分析,提取出评论中的主要信息—特征观点对。对网络评论文本进行语法和语义分析,获取产品特征和观点词之间的依存句法关系,人工构建特征观点对的提取规则。运用哈工大(Language Technology Platform,LTP)系统对网络评论进行分词、词性标注以及依存句法分析处理,将分析结果以XML文件形式存储。根据提取规则及XML文件相关解析方法,自动提取特征观点对。2.基于用户情感的产品新需求获取。基于依存句法关系提取特征观点对,聚类并统计特征观点对数量得出产品特征关注度,综合考虑相关修饰词对观点词的影响对观点词进行观点值计算,根据关注度和观点值大小获取产品新需求;基于依存关系识别评论中具有类属关系的名词短语,获取更加具体的产品新需求。3.基于大数据思维提出主流特征观点对这一概念,将主流特征观点对作为评论可信信息的基本承载单元,构建网络评论可信度排序模型;基于网络评论可信、有用的前提下,对用户情感进行模糊量化并结合KANO模型进行转化与评价,从产品改进的视角进行产品新需求发现。本研究通过爬虫软件获得一些网络评论语料,对所提出的产品新需求发现方法都进行了实验分析,实验结果验证了方法的有效性。本文基于中文网络评论提出的一些产品新需求发现方法,能有效拓展企业或生产者已有的产品新需求发现途径,降低需求获取成本,提升需求获取效率,帮助其更好的进行产品改进以及创新。