随着信息技术和互联网的飞速发展,电子商务应用广泛普及,逐渐成为人们日常生活中不可或缺的组成部分。但是,电子商务系统在为用户提供越来越多选择的同时,不可避免地带来了产品信息泛滥的问题,这意味着用户寻找自己所需的产品必须付出更多的时间和精力。在某种程度上过量的信息意味着信息的缺乏,电子商务推荐系统在这样的背景下应运而生。电子商务推荐系统通过模拟销售人员向用户推荐产品,将浏览者转换为购买者,并且可以提高用户的满意度与忠诚度。由于电子商务推荐系统潜在着巨大的商业价值,各行各业对其展开了广泛的学习研究。现有的推荐系统,通常集中在对项目评分数据和用户的历史行为信息进行建模,而忽略了蕴藏在产品评论中丰富的信息,并且给出的推荐大部分都是基于产品整体而言的,忽略了用户对产品各个方面特征的不同要求。针对这些不足,本文提出了一种面向评论文本基于情感分析的可信推荐方法。该方法首先通过对产品评论进行特征抽取和情感分析,获得产品不同维度特征下的情感倾向,使得用户能够对产品各个方面的特征有一个直观的了解。然后在此基础上,利用D-S证据理论对情感分析结果进行基于特征类别的融合,获得各个不同评价维度下的信用评分。最后,根据总的信用评分以及用户关注的不同评价维度下的信用评分来给用户做出推荐。利用D-S证据融合获得的信用评分,融合了产品评论中所有特征下的情感分析结果,是一个全面的、合理的、可信的评分,依赖这个评分做出的推荐可以获得更高的用户信任感,可以为推荐做出合理的解释。而且,根据用户所关注的特征维度的不同,可以做出符合用户需求的推荐。