随着电子商务的普及,越来越多人将消费的场景设置在了电商平台。农产品是电商平台中较为热门的商品类别,合适的推荐算法可以更加有效的给用户推荐感兴趣的农产品。但目前农产品电商推荐系统仍然存在未能充分发掘用户的评论信息以及用户情感倾向的问题。为解决上述问题,本文对用户评论情感分类进行研究,在此基础上结合用户评论偏好情况研究改进现有推荐算法,以实现农产品电商推荐系统,以下是具体研究方向和内容:(1)针对农产品电商评论的领域特性以及普通情感词典分类不够精确的问题,本文提出基于领域情感词典与NCRF++模型的电商评论情感分类研究方法。首先验证了NCRF++模型在分词技术上的可行性。同时考虑农产品电商的领域特性,在已有的情感词典基础上构建农产品电商评论领域情感词典,验证了领域情感词典对于情感分类的适用性。最后将领域情感词典引入BERT模型,保证对用户评论情感倾向分类的精准性。实验结果表明将领域情感词典引入BERT模型可以有效提高模型对于用户评论情感倾向分类的效果。(2)针对目前常用协同过滤算法未能深入挖掘用户评论中的偏好信息,本文在判别用户评论的情感倾向集基础上提出基于用户评论情感模型的推荐算法,挖掘出用户评论中对于项目特征属性的偏好,构建用户评论情感模型。使用改进后的欧氏距离相似性算法,将用户评论情感模型矩阵代替传统用户评分计算相似度,保证找到的目标用户的邻居集更为精准。实验结果表明在将用户评论情感模型代替评分更加有利于邻居集的查找,可以提高推荐给目标用户项目的准确率、召回率和F1值。(3)设计实现了基于领域情感词典分类方法和用户评论情感模型推荐算法,并应用到电商农产品推荐系统中。应用结果表明,本文推荐算法的应用,给农产品电商用户提供了更加流畅的交互体验的同时,推荐结果也更为精准和有效。