现如今,网络技术的发展促使人们的购物方式由线下转为线上,而自从2020年新冠疫情爆发以来,线上购买变得更加普及。网购成为一种趋势,消费者网购的种类也越来越多样化。如今,互联网消费已经成为一个耳熟能详的名字,消费者对商品体验的反馈渠道越来越多,而评价的内容也在一定程度上决定了消费者对商品的看法。因此,网络评论内容的合理使用,不仅可以帮助消费者了解产品的基本信息,还可以帮助生鲜电商企业更好地获取消费者的需求情况,为其提供更多的参考。近些年来,人们对食品的要求也更加多样化,比如生鲜食品,它在人们的日常生活的需求程度越来越大。如果生鲜电商企业想要在众多同行企业中获得更大的竞争力,就必须清楚地了解消费者的需求,京东生鲜作为生鲜平台比较有影响力的平台之一,在疫情期间,它的在线用户数量暴涨,因此,本文以京东生鲜平台的在线评论数据为例,对消费者购买生鲜产品的需求倾向进行了分析,具体做法是将生鲜产品分为水果、蔬菜、生鲜肉、海鲜水产及冷冻品五大类,然后从每一类中选取销量最高的三类商品,并利用八爪鱼采集器,收集他们的最新评价。本文研究主要使用机器学习方法进行分类,然后利用LDA模型进行主题聚类分析,数据获取方法为使用八爪鱼采集器进行采集,将采集来的数据经过一系列数据清洗操作后,通过进行高频词统计和词云图展示,探究了消费者对每一类生鲜产品的需求情况,接下来进行机器学习分类器的训练。本次研究将所有数据分成两部分,通过对一部分数据进行人工标注,分类成积极评论、消极评论两类数据,接下来将经过人工标注的这部分在线评论利用word2vec转换为机器识别的数字语言,利用不同的机器学习分类方法将这些数据划分为测试集和训练集,然后比较准确率、精确率、召回率、F1值和AUC值,并绘制ROC曲线进行分析,最终得到了最优的机器预测模型。接下来的步骤是利用LDA的主题聚类模型来进行分析,将没有进行人工标注的那部分数据引入词频逆文本频率,即TF-IDT,对处理后的文本进行向量化处理,然后放入已经训练好的支持向量机分类器中进行训练得到二分类数据（积极评论、消极评论）,然后分别对积极评论、消极评论数据进行LDA主题聚类,并对主题情况进行深度挖掘,通过困惑度指标确定好积极评论与消极评论的主题后,利用pyLDAvis模块,然后结合gensim库,对建模后的结果进行pyLDAvis可视化,选取每个主题前10个有用关键词及其对应权重进行输出和展示,最终从积极评论中得到四个主题,分别为味道口感、新鲜度、包装物流、个头品相;从消极评论中得出三个主题为价格价值、客户服务、产品质量。最后根据研究结果总结当前消费者需求情况,并分别从保证产品质量、提供人性化服务、合理定位价格、加强物流的专业性四个方面给出了针对性与可靠性的建议。