近年来互联网迅猛发展,使得网站上的产品数量越来越多,而且每天都会以指数级别的速度新增,导致“信息过载”,用户很难快速准确的定位自己感兴趣的产品,个性化推荐系统应运而生。个性化推荐系统旨在为用户推荐与其兴趣爱好相似的产品。产品作为二不载体,除了自身携带的客观信息之外,还带有大量使用者的评论等主观信息。本文以提高用户体验为目标,通过挖掘用户评论内容将产品向量化,实现了个性化产品推荐系统。.本文提出了一种结合用户评论的内容推荐算法,通过挖掘网站中产品的用户评论内容,应用不同的特征集合,建立产品文档的空间向量模型,对评论内容提取到的特征项进行LDA (Latent Dirichlet Allocation)主题模型降维,以降低文本向量的维度,便于计算产品之间的相似度,然后结合用户打分权重得到综合相似度,最后为其推荐可能感兴趣的产品。最后采用准确率、召回率和F-Measure指标对该推荐系统进行了评价,实验结果表明,本文中的算法与传统的基于内容的推荐算法相比提高了推荐精度,大幅度改善了推荐的质量。