信息时代的用户需求趋于个性化、多样化、动态化,如何准确地掌握用户需求并快速地实现其向工程语言的转化成为企业关注的重点问题。如今越来越多的垂直网站、电商网站、产品论坛、社交媒体、问答社区可以为消费者提供广阔的意见表达平台,由此产生的评论内容能够较为真实地反映用户需求与产品缺陷。根据互联网评论数据挖掘用户需求并将其转化为指导产品设计的技术要素,能够帮助企业较好地了解用户体验以及较快地推动产品开发。本文针对汽车垂直网站的用户评论进行需求挖掘,旨在提出一种基于用户评论数据的汽车产品功能需求分析方法,其主要研究内容包括如下几个方面:（1）完成了用户评论数据的有用性筛选以及文本情感分类。采用Word2vec扩展汽车领域专业词库的属性词,通过语义指向点互信息（Semantic Orientation Pointwise Mutual Information,SO-PMI）补充基础情感词典的情感词,以此构建面向汽车领域的属性词库与情感词典,并且借助两者筛选有用评论。分别基于双向长短时记忆神经网络（Bi-directional Long Short-Term Memory,Bi LSTM）、卷积神经网络（Convolutional Neural Network,CNN）以及Bi LSTM-CNN进行文本分类模型的性能测试,实验结果表明Bi LSTM-CNN模型的文本分类效果最佳,该模型能够帮助判别有用评论的情感极性。（2）提出了一种基于XGBoost的汽车产品用户需求分析方法。根据用户评论数据的文本情感分类结果,建立基于XGBoost的用户满意度影响因素分析模型。结合关键影响要素重要度及其负面情感强度测量用户痛点指数,根据用户痛点指数排序确定汽车产品改进方向。针对亟需迭代的汽车产品属性进行负面观点抽取,进而分析得出汽车产品用户需求。（3）提出了一种基于粗糙质量屋（House of Quality,HOQ）的汽车产品功能特性综合重要度确定方法。基于用户评论数据获得汽车产品用户需求,采用粗糙数与最优最劣法（Best-Worst Method,BWM）的集成方法计算用户需求基本重要度,根据市场竞争性对其进行修正。结合用户需求综合重要度与粗糙质量屋（HOQ）计算功能特性基本重要度,分别基于功能特性的自相关关系、功能特性的技术竞争性修正其基本重要度,根据线性加权组合法确定功能特性综合重要度,以此明确汽车产品开发重点。