[目的/意义]信息破碎化背景下,用户痛点信息的检索和提取依靠人工统计的方法已经不能满足多源信息发展的挑战。用户痛点的有效提取和动态掌握是企业产品优化升级,重构产品结构,满足市场期望重要决策的依据。[方法/过程]利用深度学习算法LSTM(Long Short-Term Memory)和多源数据融合理论,建立用户痛点信息的采集、识别、界定、筛选、整合、分类和分析等信息处理过程,构建用户痛点核心词库和指标词库,建立用户痛点跟踪和评价策略,完善系统反馈机制,形成循环开放的用户痛点动态提取和产品决策体系。[结果/结论]从情报学角度,利用多源信息融合理论和深度学习算法,建立了在信息破碎化背景下,对多源用户痛点信息的有效提取、知识化学习、过程化分析,智能化决策和机制化反馈,从而提升了用户痛点动态提取、分析和产品决策的精度和效率。