基于协同过滤的推荐模型是一种经典的推荐模型,具有简单有效的优点,但同时也存在着用户冷启动等问题。引入用户偏好信息不仅能够解决协同过滤中存在的用户冷启动问题,而且有助于提高推荐的准确率。在用户对商品的评论中隐藏着许多用户偏好信息,应用情感分析技术可以抽取出评论文本中用户所评价的商品的属性以及用户对商品属性的情感,进一步分析可获取用户对商品属性的偏好,依据用户对商品属性的偏好可以得到用户对商品的偏好。因此,本文主要研究一个引入情感分析的推荐模型,应用情感分析技术抽取出用户评论中的商品属性和用户对商品属性的情感信息,构建用户偏好模型,然后将用户偏好与协同过滤相结合进行推荐,以提高推荐的准确率。本文的主要工作有:(1)分析方面级情感分析技术,改进已有的评价对象抽取方法双向传播算法,并设计了基于改进的双向传播算法的方面级情感分析模型IDP-SA,用于抽取出用户评论中的商品属性以及用户对商品属性的情感倾向信息,作为用户的偏好信息。(2)构建了基于IDP-SA的用户偏好模型SA-UP。在此基础上,提出了结合SA-UP和协同过滤的推荐模型SA-UPCF,在评分预测环节采取加权求和的方法,同时考虑用户对商品的偏好和相似用户对商品的评分,基于预测评分进行推荐。(3)设计并实现了一个基于SA-UPCF推荐模型的推荐系统。本文的主要成果是提出了考虑商品属性质量和用户对商品的属性偏好的用户商品偏好计算方法。