随着互联网的发展和人们生活水平的提高，电子商务成为了一种时尚和潮流，随之也产生了不少以商品为中心的推荐系统，这类推荐系统利用用户的浏览（购买）记录来给用户其可能想了解或购买的商品，因此其在用户无目地购物（浏览）过程中是有用的，而当用户需要特定搜索某一商品时，效果不明显。此外电子商务网站在用户搜索时，提供了对商品配置等的选择，用户从中筛选出用户想要的属性值的商品，但是这并不能反映出商品质量的好坏，而且对搜索得到的商品的排序并没有考虑到用户的个人偏好。因此对于这类搜索排序的结果，用户常常需要查看结果中的众多商品的具体信息才能得到最终的满意结果，而且在实际购买中，我们对同类商品的第一次购买经常都是不太满意的。为了使得用户可以更快选出自己满意的商品，本文中，利用了多属性决策理论中的相关技术来求出用户对商品的主观评价值，并结合基于商品评论褒贬性分析的商品质量可信度对用户进行相应的推荐。本文的工作内容大致可以分为以下几个方面：一、利用多属性决策理论及相关算法，根据用户购买记录来求解出用户对商品属性的重视程度，即用户个人属性权重。二、通过对SO_PMI方法的扩展，并根据褒贬义词对用户影响力度的不同，来划分商品评论的褒贬性，并结合评论用户等级，利用 PageRank方法计算商品的质量可信度。三、将前两部分内容想结合对排序结果再次进行排序，并通过将实验的排序结果进行人工选择结果进行对比，结果表明该方法可以提高用户对搜索排序结果的满意度。