互联网的飞速发展和经济的增长使得国民出行方式的选择更加多样化。网约车的兴起减轻了高峰时段打车难的压力,也越来越受到大众的欢迎。滴滴作为国内出行领域的巨头,不断发展壮大,已成为知名度最高的网约车品牌。一直以来滴滴平台虽然非常注重用户体验度,但在其发展过程中仍出现了各种各样的体验问题,引发乘客不满。不仅如此,司机运营制度存在漏洞和平台司机流失的问题也十分棘手。目前关于网约车的研究较为单一,大多以问卷调查的形式展开。本文利用微博实时灵活、广泛传播等特点,收集公众对滴滴出行的微博评论,通过情感分类技术挖掘用户对滴滴出行的态度,并利用主题挖掘分析用户的关注点,为滴滴平台提升司乘体验、增加用户信任感和依赖程度提供合理化建议。本文爬取带有关键词“滴滴打车”、“滴滴出行”或“滴滴”以及话题“滴滴打车”、“滴滴出行”或“滴滴”下的微博博文,在主客观文本识别并过滤客观文本后共获得3019条文本数据,通过KNN、SVM、CNN等方法对数据进行情感分类,比较不同方法的分类效果,并在此基础上进行词频统计和分析,挖掘总体文本以及不同情感类别文本的关注热点。分析结果表明,第一,在对微博文本进行情感分类上,相比于KNN、SVM等机器学习模型,卷积神经网络模型会有更好的表现。第二,在基于情感分类的话题热点分析研究中,性价比、确定性、安全性和服务是乘客在使用网约车出行时的主要诉求。对司机而言,安全性、公平性和收入是主要的关注点。带有负面情感的文本反映了用户对滴滴平台的不满情绪。从乘客视角来看,绕路、大数据杀熟、打车排队时间长等问题使得乘客稍有怨气,而滴滴抽成比例过高、派单距离远或不派单、平台偏袒乘客等则是引起司机舆情的主要原因。结合上述的分析结论,针对性地为滴滴平台在提升司乘体验、增加用户信任感等方面提供合理化建议。具体建议包括加强对绕路问题的管控、限制低信誉度乘客的平台使用权限、增加司机和乘客互动渠道、满足不同乘客群体的最核心需求等。