近年来,电脑游戏行业迅猛发展,不断丰富用户的娱乐生活并产生巨大的经济价值。然而,市场繁荣同样意味着激烈的竞争环境,开发者只有保证游戏的多样化和创新性才能吸引并维持客户,以此维持市场活力。大多数在线游戏平台允许用户评论他们购买的游戏,开发者可以通过浏览玩家评论来了解用户对游戏的看法。从而在修复游戏漏洞的同时不断迎合用户需要的改变,提高用户对游戏的感知质量。目前,针对评论中信息的抽取方法主要集中在特征提取或是关键词集群的查找。然而,无论是哪种方法都不能准确的提取出游戏评论中的信息。区别于一般产品的评论数据,游戏评论有着其独有的特点:一方面,游戏包含更多的领域知识和独有词汇,用户所描述和表达的评论需要基于游戏内容方能理解;另一方面,游戏评论所包含信息更为丰富复杂,其中常会涉及到游戏情节、人物、道具等多方面内容,增大了评论数据的分析难度。面对上述困难,现有方法未曾给出合理的处理方式,导致评论信息抽取难以取得理想效果。以往的信息提取算法无法以游戏的理解来提取相关信息。因此,游戏开发者急需一种针对游戏评论的数据分析方法。针对上述问题和难点,本文设计出一种面向游戏评论的信息抽取及整合方法。在帮助开发者了解用户想要增加的功能的同时,发掘游戏中存在的问题,为进一步提升游戏质量提供信息支撑。首先,针对游戏评论中出现的大量冗余、误用数据的问题,先训练基于关键词的文本二分类器,对数据进行初步过滤,得到有用信息的数据集合。其次,考虑到游戏评论中所包含的较为复杂的信息,进一步将评论分为四类,从而提升数据的可理解性。最后,针对每类评论数据,我们给出基于语法分析的信息抽取规则,获取其中主要信息内容,并通过聚类对相同信息进行汇总,同时定义信息价值的量化排序算法,进而给出结果的可视化展示方案。由此,开发者可以依据自身要求对信息进行快速查询理解,更好的了解用户对游戏的认知及要求,从而针对性的进行产品升级,提升用户的游戏体验。