سایت های شبکه های اجتماعی مانند فیس بوک، توئیتر و وب سایت هایی که به جمع آوری نظرات کاربران میردازند، پس از استفاده گسترده از تکنولوژی وب 2.0 توجه بسیار زیادی را به خود جلب کرده اند.با توجه به اینکه سازمانهای تولیدکننده محصول و ارائه¬دهنده خدمت برای باقی ماندن در بازار رقابتی کنونی نیازمند آگاهی از نظرات مصرف کنندگان می¬باشند. مصرف¬کنندگان نیز با گسترش وب و شبکه های اجتماعی نظرات خود را به راحتی با دیگرات در بستر وب به اشتراک می گذارند، از این رو سازمان ها نیازمند نظارت بر شبکه-های اجتماعی و وب برای پیگیری درخواست¬ها و نظرات کاربران هستند. با توجه به اینکه اطلاعاتی که در سطح وب وجود دارد، بسیار زیاد می باشد و هر روز این اطلاعات در حال افزایش می¬باشد، از این رو پیدا کردن اطلاعات مورد نیاز و تحلیل و آنالیز آن مشکلی می-باشد که سازمانها با آن روبرو هستند، از این رو ما برای ساده شدن بدست آوردن اطلاعات مورد نیاز برای سازمان¬ها، بر اساس مجموعه داده¬ای که مورد استفاده قرار داده ایم، مدلی را ارائه میدهیم که نظراتی که در سطح وب داده شده اند را گروه بندی می کند. گروهبندی نظرات با توجه به روابط مفهومی و معنایی واژگان صورت می گیرد. در این پژوهش ما داده ها را در سه گروه مختلف دسته بندی می کند که هر کدام از خوشه ها نشان دهنده اطلاعات خاصی می-باشد، حال با توجه به گروهای تعیین شده می توان برای دست¬یابی به هر اطلاعاتی که لازم می¬باشد، به خوشه مربوطه مراجعه کرد و اطلاعات را بدست آورد. در این پژوهش از داده-های جمع¬آوری شده وب سایت آمازون استفاده کرده ایم. این داده ها بر روی سایت دانشگاه استنفورد برای انجام کارهای پژوهشی قرار دارد. در این مدل ما از الگوریتم k-means برای خوشه¬بندی استفاده کرده ایم. همچنین از درخت تصمیم برای پیش بینی نیز بهره برده ایم. مدل به کار گرفته شده در این پژوهش دارای 84 درصد دقت می¬باشد، که کارایی این روش به شدت وابسته به آماده¬سازی دادههای اولیه می باشد.