在电子商务领域,随着信息过载问题的出现,推荐系统得到了广泛的应用。如今的推荐系统主要通过分析用户的评分数据来进行推荐,忽略了用户评论在推荐过程中的重要作用,从而影响了推荐结果的准确性,针对此问题,本文主要进行了以下研究:(1)提出了基于统计优化的情感分析算法和基于语义选择的情感分析算法,并将情感分析结果进行量化处理,使用量化后的结果进行评分预测,实现了对用户评论的自动化情感分析与评分预测。(2)提出了一种基于主题模型的用户评论推荐方法,使用主题模型对用户评论进行分析,得到评论的主题分布和用户的主题分布偏好,通过计算用户的主题分布偏好和每一条评论主题分布间的距离,并结合评论的支持度对评论列表进行重排序,对评论进行个性化推荐。(3)提出了一种基于用户评论的商品相似度计算方法,通过使用主题模型分析用户评论,得到每件商品的主题分布特征,利用商品的主题分布特征进行商品相似度的计算,并将得到的商品相似度应用在协同过滤中进行基于商品的协同过滤推荐。(4)提出了一种基于用户评论和评分的商品推荐方法,使用用户评论的情感分析结果对评分进行修正,生成扩展评分,基于扩展评分进行协同过滤推荐,并使用用户的主题分布偏好与商品的主题分布特征进行主题分布距离计算,结合用户与商品间的主题分布距离对推荐列表进行优化,得到最终的推荐结果。本文通过对用户评论进行深入分析,将用户评论与协同过滤推荐相融合,设计实现了基于用户评论的推荐系统。