信息技术和移动网络的不断发展使在线购物产业茁壮成长,庞大的交易量及产品种类和数量日益膨胀导致“信息过载”问题越来越严重。并且,相关研究显示互联网对消费者行为模式产生了深刻影响,越来越多的消费者习惯于做出购买决策前在互联网上搜索相应的产品介绍及其他用户评论信息。因此,如何根据产品评分和评论信息快速而精准的从海量资源中找到满足消费者需求的产品成为当今电子商务企业面临的一个严峻考验。个性化推荐系统被看做解决上述问题的有效途径。它根据用户兴趣特点和购买行为,向目标用户推荐其感兴趣的产品和服务。在该领域,目前研究最多应用最广泛的是基于用户评分的挖掘,例如传统协同过滤算法。但随着用户评论数据激增,相关学者发现单纯的评分不能准确代表用户喜好,因此考虑引入评论数据辅助分析。但相较于国外,中文评论语料的挖掘仍有较大发展空间。考虑到评论语料对个性化推荐系统的重要性,本文在已有意见挖掘研究基础上,着眼于用户评论主题挖掘,引入情感因素,构建主题情感混合模型,并结合用户评分产生推荐,提出基于用户评论的个性化产品推荐算法。首先,本研究对相关领域的大量文献进行系统性总结和梳理。对个性化推荐系统相关概念、常用算法、测评指标进行综述,对评论挖掘概念、方法、细粒度评论挖掘方法进行研究,为后续论文研究奠定理论基础。其次,在总结用户评论主题挖掘研究基础上,考虑引入情感因素,基于LDA主题模型,构建“文档-情感-主题-单词”四层架构,从情感和主题两个维度分析用户评论数据。再次,基于用户评分数据,结合挖掘出的情感-主题分布,对传统协同过滤算法进行改进,提出基于用户评论的个性化产品推荐算法。最后,本研究在京东自营平台上爬取大量手机评分和评论数据,选择实验指标设计对比实验,对本文提出的个性化产品推荐算法进行预测准确率和用户满意度验证。