随着电子商务的快速发展,国内出现了众多的电子商务平台,网络购物成了一种人们日常的购物模式。在电子商务的大环境中,平台和商家获得了很多发展机遇,但随着市场的不断扩大,市场竞争的不断加剧,平台和商家会因无法满足消费用户的购买需求,无法及时关注到自身商品存在的问题而影响销售,最终被市场所淘汰。用户则面对网上琳琅满目且质量参差不齐的商品面临选择难的问题。B2C电子商务平台作为一类有代表性的网上购物平台,商家对消费者的模式深受网购用户喜爱。随着消费行为的发生,在B2C电子商务平台中存在有大量且有价值的用户信息,如评论系统中用户标注的评论标签,交互式问答系统中的问答短文本。针对这些有特点且富含消费者行为信息的短文本进行文本挖掘分析是有意义的。本文通过文本挖掘的方法对于电商平台中的短文本信息进行相应的研究,挖掘其中有价值的信息,为电商平台,商家和用户提供情报数据。本文选择国内具有代表性的B2C电商平台京东为例,选择平台中比较有特点的两种短文本信息,用户评论标签和京东商品问答作为挖掘分析对象。在京东平台用户评论标签短文本的挖掘中,提出一种针对标签短文本的外部词向量拓展方法,其中外部词向量通过Word2Vec词向量模型对外部语料训练获得,再对拓展后的标签短文本进行聚类分析,与传统的向量空间模型方法相比,外部词向量拓展的方法解决了其无法对同义标签聚类的问题有更好的聚类效果。此外,还对评论标签进行关联规则挖掘和语义网络分析,寻找出标签间的相互关联性和标签中词语间的相互关联性。在京东商品问答挖掘中首先对问答短文本中的商品特征进行提取,为确保特征提取的准确度,提取过程结合了名词抽取、频繁项提取、同义词合并等方法,并对提取出的商品特征词进行分类及分析,然后将挖掘出的商品特征词作为种子词利用共现关系提取所对应的观点词并进行分析,再通过Word2Vec词向量模型训练问答数据,将商品问答短文本用词向量进行加权表示,最后用优化初始中心的K-Means聚类算法对问答问题短文本向量进行聚类并对聚类结果进行分析。