El número de consumidores que juegan videojuegos de realidad virtual está en auge. Para acelerar la iteración del producto, el equipo de experiencia del usuario necesita recopilar y analizar experiencias insatisfactorias a tiempo. En este documento, nuestro objetivo es detectar las experiencias insatisfactorias ocultas en las reseñas en línea de exergames de realidad virtual utilizando un método de aprendizaje profundo y descubrir las necesidades psicológicas no satisfechas de los usuarios basadas en la teoría de la autodeterminación. Se utilizan redes neuronales convolucionales para la clasificación de oraciones (textCNN) en este estudio para clasificar las reseñas en línea con experiencias insatisfactorias. Para la comparación, establecemos el aumento de gradiente extremo (XGBoost) con características léxicas como la línea base del aprendizaje automático. La frecuencia de término-frecuencia inversa de documento (TF-IDF) se utiliza para extraer palabras clave de cada conjunto de reseñas clasificadas. La puntuación micro-F1 del clasificador textCNN es 90.00, que es mejor que 82.69 de XGBoost. Las 10 principales palabras clave de cada conjunto de reseñas reflejan temas relevantes de necesidades psicológicas no satisfechas. Este documento explora los problemas potenciales que causan experiencias insatisfactorias y necesidades psicológicas no satisfechas en exergames de realidad virtual a través de la minería de texto y hace un complemento para estudios experimentales sobre exergames de realidad virtual.