2019年是网络用户爆发性增长的一年,第44次《中国互联网络发展状况统计报告》显示中国的网民数量已经达到了8.54亿,其中手机网民数量高达8.47亿。在这个互联网已经走入千家万户的时代,电商平台在人群中普及开来。互联网是一个信息共享平台,各大网购平台拥有着巨量的消费者购买评论数据。这些数据也逐渐成为了消费者制订购买决策的依据以及制造商升级产品的重要参考。但是,如何在浩瀚的文本评论数据中挖掘到有价值有参考的信息成为了新的挑战。本文旨在运用当前较为主流的数据挖掘技术对华为MATE30手机的评论数据进行考察,对目前消费者关注的手机特征属性进行分析,从而为手机制造商优化升级自身产品提升市场竞争力以及为消费者进行购买决策提供参考。本文首先采用基于Ubuntu系统的Python软件的爬虫技术,对“京东商城”以及“淘宝”平台上关于华为MATE30智能手机的用户评论进行数据的采集,接着利用Excel对获取的数据进行规范化整理,再利用当下较为流行的JIEBA软件对清洗后的数据进行文本分词及词性标注。然后采用Wordle软件可视化的词云技术来展示数据中的特征,最后根据分词的数据进行LDA建模并用K-means聚类进行情感性向分析获得消费者关注的情感特征属性。最终研究结果表明,运用开源系统工具Linux-Ubuntu以及R语言,基于包含京东及淘宝的消费者评论信息,采用当前流行的LDA模型并用K-means聚类法对用户的情感识别具有比单一分析评论法更精准的分析结果。数据分析发现,该方法不仅能够精准的分析出本研究对象的情感倾向,同时也能推断出消费者对商品最为需求的智能手机的特征属性。最终结果体现出,华为MATE30手机的运行速度、充电等各项性能于消费者较为满意的部分,而手机发热、售后服务以及赠品等方面并不符合消费者期待。单从京东商城的分析结果可以看出,该平台的消费者更加注重商品的性能以及配送服务;而基于淘宝的数据分析结果可以看出,该平台的消费者更加注重消费的全过程体验,如手机的售后以及赠品服务。据此,本文的研究结果可以为电商平台优化销售服务、消费者购买手机时的决策行为以及制造商及时改进和升级自身的产品形成参考。