在网络购物日渐成熟的今天,各大电子商务平台之间的竞争日益激烈,使得营销策略的设计和管理模式在网络销售中的地位越来越高。如何帮助用户快速的挑选出自己想要的商品,这在电子商务平台的竞争中占有至关重要的地位。调研发现,用户经常会在几个商品中犹豫不决,此时大部分用户会去浏览商品的评论来帮助自己做出选择。由此可见,其他用户对商品的评论在用户做最终决策时占有很重要的地位。基于这一现象,在现有推荐系统的基础上,通过深入分析用户评论数据,挖掘评论中的信息,提出了一种有效解决用户在少量商品中难以选择问题的可行的推荐策略,并应用于淘宝评论挖掘系统。主要工作包括:首先,实现了一个网络爬虫。该爬虫能够有效获取用户评论数据,并使用情感分析技术,通过提取评论中的关键信息,从而能够有效区分好评、中评和差评等信息分类,最终实现了对信息的获取、挖掘与分析。其次,提出了一个淘宝评论评分算法。基于真实评论数据,该算法综合考虑了好评,中评和差评的重要程度,每条评论里包含的褒贬信息,以及用户观点信息等,计算商品的最终评分,并根据评分结果为用户推荐商品。最后将算法应用于获取到的淘宝页面上的评论数据,并将算法结果与商品近一个月的销量比较,推荐结果跟目前淘宝用户近期购买趋势总体一致。最后,设计和实现了一个淘宝评论挖掘系统。根据软件工程的思想,完成了该系统数据准备模块、评分算法模块以及商品推荐模块的需求分析、详细设计以及具体实现。