App商店的存在为App产品的开发提供了快速增长且规模巨大的数据资源,如何依据开发者需求智能化地挖掘并使用其中信息是目前的热点研究领域之一。用户评论作为App商店中一类重要的数据,是用户表达自身对产品观点的重要方式,同时也是开发者了解用户感受的主要途径。在众多的App商店中,Google公司的Play Store是其中最具有代表性的App商店。在Play Store中,对各种手机应用进行了分类,并且既有开发者对于手机应用的描述,也有用户对于手机应用的评论。在其中,流行度高的手机应用的下载量都超过了千万。伴随着暴增的手机应用下载,用户评论量呈爆炸式增长,使得传统的使用人工进行评论分析的方式难以解决这类评论分析问题。同时手机应用的开发者也希望能够更加快速的得到评论中与App特征相关的部分中的有用信息来支持App的快速迭代开发。在过去的方法中,数据分析人员只关注对评论或者是更多的侧重于对描述的分析,没有将两者结合起来进行分析。为了合理利用评论中信息来支持App开发和升级,本文将App产品描述引入到评论分析过程中,即通过对App产品描述的挖掘得到针对某一产品领域的特征,并且通过使用文本分类技术将App评论与得到的App特征进行关联,然后进行量化评估来向App开发人员提供更有效的帮助信息。并且作者给出一种由描述引导的评论分析及推荐方法:首先利用主题分析对描述数据中高层次产品特征进行获取,并将结果形式化的表示为基于主题的领域模型(TBDM Topic based Domain Model);其次,基于模型信息训练用户评论分类器,并挖掘评论中的用户情感信息将评论抽象表示为一组量化的属性值,构建客观产品特征与主观用户感受间的关联;最后,基于开发者偏好对模型进行量化分析,对评论进行排序和归纳,依据结果进行信息推荐。结合App描述与用户评论,我们为开发者提供了用以支持其产品进行开发以及升级的信息。同时,为评估本文方法,我们基于Google Play进行实验研究,我们训练的分类器的平均F-measure值超过了80%,并且最终通过人工评价的方式得出结论本文方法能够有效地挖掘评论中情感信息并依据开发者要求向其推荐所需信息。