本文在大众点评网的数据集的基础上,研究美食商店信息推荐问题。首先介绍与本文所提研究点密切相关的技术以及算法目前的趋势和发展；然后针对本文的研究方向,提出关键的研究点并逐个分析,包括项目属性建模、情感分析、时间效用等等。本论文的主要研究点如下：(1)基于文本情感分析改进的上下文推荐算法。该部分利用用户对美食商店的文本评论,研究其情感因子,重点考虑文本中的否定性副词,以此对原始二维矩阵模型进行填充。通过实验对比,验证了所提改进文本情感分析算法的合理性,同时验证了上下文推荐算法较传统协同过滤算法有更好的精确性。(2)基于时间效用与情感的上下文推荐算法。推荐系统多使用历史数据,该部分将上下文因素中的时间衰退与包括情感评分和商店自身属性在内的特征进行融合。实验对比验证后可知,所提出的算法推荐精确度较高,具有较低的MAE和RMSE值。(3)融合上下文和项目属性的推荐算法的研究。该部分首先使用领域分类模型上的一种概率分布方法来表达用户的兴趣模型；然后加入情感因素去分析用户的行为,以提高项目属性的建模的精确度；最后在计算用户相似性的时候充分考虑时间效用的影响。经验证,提出的算法具有较高的精确度。