互联网技术的广泛应用,使得制造企业及时、准确获取用户的个性化需求信息并有针对性地优化产品功能设计成为可能。面对各种论坛、网站、社区等带来的海量开源数据,如何从中挖掘产品功能需求、以需求指导产品研制过程成为了当下研究的重点。但大多数的方法技术未结合互联网的发展,考虑互联网背景下的产品功能需求分析。因此,本文利用互联网开源数据对产品功能需求分析进行研究,主要工作包括以下几个方面:1、从苏宁商城网站上爬取下来关于洗衣机产品的用户评论数据,对评论文本进行了清洗和预处理。本文采用了聚焦式爬虫技术,直接在数据获取的第一步就过滤无用的网页数据,保证数据采集的高效性。接着,去除重复评论,利用正则表达式提取出评论文本的主体内容,最后对评论语料进行分词和去停用词处理。结果供后续的数据建模使用。2、本文使用LDA模型对洗衣机产品用户评论数据进行了潜在主题提取,由于直接求解该模型非常困难,因此,利用Gibbs抽样近似估计的方法趋近模型。实验结果显示该模型挖掘的产品功能主题词存在语义上的缺陷,词语包含的信息量少且关系不明确,基于此提出了利用短句改进LDA模型。采用短句作为文档组成的基本单元,获取评论文本的“主题-短句”分布。实验结果表明,改进的LDA模型提取出的主题含义更清晰,对于产品功能的需求主题挖掘效果更加明显。3、设计了基于推荐系统的产品功能需求生成模型。利用改进的LDA算法只能够获取产品功能的初步需求,然而,还有一些隐性需求可以通过推荐系统进行挖掘。本文介绍了基于用户的协同过滤推荐,其核心是根据相似用户的产品功能偏好产生推荐。首先,将用户聚类,再利用余弦相似度进行计算,寻找出与目标用户相似度较高的最近邻集合,根据这些邻居对产品功能的兴趣程度来预测目标用户的偏好,最后将评分最高的若干个功能推荐给该用户,生成目标用户的产品功能需求。以洗衣机产品为例的实验结果表明该模型具有可行性和有效性。