在线评论的文本挖掘是目前电子商务领域的热门研究方向,被认为是下一个信息蓝海。通过在线评论可以挖掘消费者的偏好,并为产品特征的改进提供理论指导。然而目前的研究大多集中在消费者行为的预测以及文本处理的方法上,对于设计者视角下的产品改进却很少涉及,造成了信息资源的浪费。为了解决上述问题,本文以长短期记忆网络和LDA主题模型为基础,结合特征提取方法,提出了基于深度学习的在线评论情感分析与产品特征改进模型。该模型旨在帮助产品设计者与产品销售者发现产品需要改进的特征维度,并提供相应的改进建议。该模型共分为六个部分,首先需要从电子商务平台收集产品的在线评论,并进行预处理。其次对在线评论进行短文本评论提取,便于后续的产品特征识别。再次将短文本评论进行词向量化表示,为情感分析做准备。接下来使用长短期记忆网络对短文本评论进行情感分析,并使用主题聚类方法对其进行产品特征提取。最后将情感分析结果量化,并根据量化结果给出相应的产品特征改进建议。为验证所提模型的实用性,本文对从电商平台爬取的三种手机产品与三种电脑产品的在线评论进行了案例分析。最终发现,消费者普遍关注手机产品的外观、性能、屏幕、电池和摄像头这五种产品特征;普遍关注电脑产品的性能、服务情况、外观、屏幕与硬件配置这五种特征。经过测试,本次结果的准确率达89.52%,可以为手机和电脑等同类型产品进行特征改进时提供一定的参考。通过以上结果表明,该模型可以有效的挖掘在线评论中的消费者偏好,为产品设计者改进产品特征提供决策支持。同时该模型对于不同领域的在线评论具有良好的可扩展性,模型中的技术也可用同类技术替换,具有良好的适应性。本文以电商平台的在线评论为研究对象,为有效挖掘在线评论中消费者对产品特征的评价,提出了基于深度学习的情感分析与特征挖掘模型。该模型可以对在线评论中的产品特征进行精准地情感分析,并有效识别消费者的偏好,并以此提供改进建议。该模型有效地解决了在线评论中产品特征的提取与情感识别问题,拓宽了在线评论数据挖掘的研究领域,为电商平台挖掘消费者需求并精准识别产品特征提供了参考,具有较强的借鉴意义和现实意义。