随着互联网视频业务量的迅速增长,在线电影等流媒体服务已经成为人们对网络业务需求的重要组成部分。随着在线电影质量和数量的不断提升,用户对在线电影的关注度也逐渐提高。如何从庞大的在线电影资源中根据用户需求进行推送,是提高用户满意度,优化网络资源的需要解决的重要课题。在线电影推荐系统是电影推介技术的有效途径之一,目前已经成为研究热点。近年来所研究出的电影推荐系统主要依据用户对电影的评分来寻找相关用户,但是不同用户对电影的审视标准不同,从而会产生对同一部电影有不同评价的结果,甚至会出现差别较大情况。因此,仅根据评分结果来进行电影推荐存在一定局限性。为了提高对电影评价的客观性,电影评论被纳入评判标准中。通过用户在电影评论中体现出的情感信息来分析和寻找相关用户成为目前电影推荐关键技术的研究重点。目前基于情感分析的电影推荐技术大多将情感分为中性、积极和消极三类,实际上用户对电影的情感表达是复杂的,仅用三类信息来进行判别存在较大局限;同时情感分类技术中,还存在语义理解能力不足,强度分析薄弱等问题,造成情感分类准确率低下。本文针对以上研究不足,综合分析了情感类别、强度,以及否定词、程度词等语义因素,建立了电影影评情感计算规则,将评论情感扩展为“好”、“乐”、“怒”、“恶”、“哀”、“惧”、“惊”等七类情感。同时提出一种改进的寻找相似用户的策略,先对文本进行情感分析,通过情感相似度寻找目标用户的Top-k个相似用户,利用相似用户进行稀疏矩阵填补,并在此基础上结合用户特征相似度和传统的基于评分的协同过滤相似度来进一步寻找兴趣更加契合的用户,最终通过线性加权计算获得用户相似度并生成推荐结果。实验结果表明,本文所提出的电影推荐技术相比较目前几种经典方法具有一定优越性。最后,基于所提出的推荐策略,本文设计并实现了一个基于Spark的电影推荐系统,系统测试结果表明,系统能根据不同用户的需求提供个性化的推荐。