电子商务的飞速发展增加了消费者的可选择性，拓展了消费选择的宽度和广度，激发他们的购买欲望的同时，却又使消费面对海量商品感到茫然，难以抉择自己想要的产品，甚至使他们陷入数据丰富而知识贫乏的境地。推荐系统的目的模拟现实生活中销售员向消费者推荐商品的过程，协助消费找到自己所满意的商品。现有电子商务推荐算法往往是依据用户浏览行为将用户聚类，以相似用户行为作为推荐依据，这一过程忽略了用户对商品的情感态度。而实际上，当用户对商品持积极情感时则会提高用户满意度，否则用户满意度则会降低。为了提高用户对推荐结果的满意度，本文在研究各类推荐算法的基础上，研究用户情感挖掘方法，并构建一个融合情感挖掘的推荐算法。该方法首先依据用户行为信息将用户聚类，认为相同类别的用户有着相同的购买欲望。在此基础上生成推荐商品候选列表。然后利用用户情感信息对候选商品列表过滤，去除那些用户评价较差的商品，保留用户满意度的商品生成最终的推荐结果。为了分析用户的情感信息，本文采集用户对商品评价的内容，采用基于情感词的倾向性分析方法来判断评价内容的倾向性。为了生成情感词表，本文首先假设包含较多正向情感词的文本其倾向为正向，同时被较多正向文本所包含情感词的倾向为正向，反之亦然。以此假设为基础，采用PMI方法达到情感词扩展的目的，形成最终的情感词表。经实验验证，本文设计的推荐算法有助提高用户的满意度。