电子商务的快速发展使得互联网上产生了大量的在线用户评论。在线用户评论包含了大量能够反映消费者对于各种产品的喜好和偏爱的有价值信息,为产品设计人员理解客户需求提供了新的机会。为了帮助产品设计人员从用户评论中挖掘客户需求,需要对在线用户评论进行情感分析。然而,现有的在线用户评论情感分析方法大多依赖于词典,并且不能够充分考虑到上下文信息,造成情感分析不够准确。针对以上问题,本文提出了一种基于深度学习方法的用户评论情感分析及产品优化设计模型,用以帮助产品设计人员识别客户需求、得到产品优化设计策略。在此模型中,首先需要从各种电子商务平台、社交平台或评论网站上收集在线用户评论并进行数据预处理。其次使用Word2Vec利用预处理后的数据训练分布式词向量列表,作为用户评论的定量化表示。接着从预处理后的在线用户评论中提取出更可能包含产品特征的短文本评论,并使用卷积神经网络模型对短文本评论进行情感分类。最后,将短文本评论中的名词及名词短语提取出来作为候选产品特征词,并使用K-means算法对候选产品特征词及其情感标签进行聚类,剔除小部分停止词后得到最终的产品特征情感分析结果。根据情感分析结果计算得到产品的用户关注度和满意度,结合用户关注度和满意度能够得到相应产品的优化设计策略。为了说明本文所提出的模型如何应用于客户需求识别及产品优化设计策略提出,本文还对五种手机产品和三种电脑产品的在线用户评论进行了案例分析。一方面,通过情感分析结果为这八种产品提出了相应的产品优化设计建议。另一方面,研究发现,对于手机产品,消费者对目前市场上的智能手机普遍关注的产品特征包括外观、系统、屏幕、电池和摄像头;对于电脑产品,消费者对目前市场上的电脑普遍关注的产品特征包括屏幕、外观、系统和键盘。研究结果可以为同类型产品优化设计提供参考。案例分析结果表明,模型能够实现有效的产品特征提取及高准确率情感分析,在实际应用时具有合理性和有效性。