为了缓解城市化进程过快和能源消耗等问题,新能源汽车的发展受到了国家的大力支持,也必将成为未来汽车行业发展的导向和目标。虽然如今新能源汽车产业发展迅速,但在主流汽车市场中还处于摸索阶段。为了更好地提高新能源汽车市场的消费热情,挖掘并分析人们对于新能源汽车的看法和使用感受有着重要的现实意义。本文以汽车之家和懂车帝网站的新能源汽车口碑评论数据为研究对象展开探讨,首先利用网络爬虫技术获取所需要的口碑数据,根据购车价格以及车型的不同进行分类,对新能源汽车现状进行描述性统计分析。在此基础上对文本展开数据清洗及分词的处理工作,为使分词更为准确实施,特构建本文专属的汽车名称词典。使用词云图和语义网络对评论文本进行特征分析,将用户对新能源汽车的关注点可视化。接着把口碑评论数据中的满意维度标注为正向情感文本,不满意维度标注为负向情感文本。用机器学习模型朴素贝叶斯、XGBoost、SGD以及深度学习模型LSTM对已经标注好的评论文本进行模型训练,并用测试集对模型进行验证。通过对四种情感分类器的效果对比,选出了效果最优的LSTM分类器对未标注评论进行标注。然后对新能源汽车的内饰和性价比维度进行LDA主题特征提取,在此基础上对汽车的优劣势进行有锚定词汇的CorEx主题模型分析,以此锁定新能源汽车板块消费者的关注重点。最后,总结本文的研究成果,并指出研究可以进一步考虑的问题。通过研究主要得到以下结论:第一,新能源汽车的主要市场为经济发达的城市,10-20万的SUV以及轿车为新能源汽车消费市场的主力车型。第二,在新能源汽车口碑评论的情感分类任务中,深度学习模型LSTM在评论文本情感分类中预测准确率为97.43%,高于机器学习模型朴素贝叶斯、XGBoost和SGD。第三,现阶段的新能源汽车的优势是动力足、能耗少和外观好看,消费者对新能源汽车的主要不满表现在内饰和舒适性等软件方面。结合以上分析提出针对性建议:政府需要加强新能源汽车的充电基础设施建设,解决地区发展不平衡问题。厂商应关注消费者需求,除了关注新能源车的续航问题外,更应该重视消费者的乘车体验,解决内饰皮具异味及车辆减震问题。