随着电子商务平台的快速发展,越来越多的人选择网上购物。消费者足不出户就能购买到满足自己需求的商品。平台为了帮助消费者筛选商品,主要通过消费者的历史浏览记录或商品的单一属性进行推荐。但是消费者网上购物时多是带有针对性和偏好性的,并且越来越多地关注商品的评价,并综合考量不同的商品属性来决定是否购买商品。如果消费者花费了太多的时间和精力仍然选择不到符合需求的商品,就会大幅度降低电商平台的购物体验。所以,为了使消费者更快、更好和更直观地寻找到符合其个性需求的商品,本文基于商品评价和商品的多个属性特征,通过对评价内容的情感分析和属性筛选,建立多属性的个性化推荐方法,帮助消费者快速挑选到满意的商品。主要研究内容包括:首先,通过编写基于Python的爬虫程序获取了商品的评价及属性基本数据。经过对评价数据进行预处理后,提取出商品属性和评价词。通过分析大量的评价内容统计出中文评价的语法模式,基于现有的中文常用模式扩展了针对短语组合的语法模式。并结合统计的语法模式构建了语法树,再通过匹配语法树的方法提取出商品属性和评价词,并对提取的商品属性名进行规范化处理。其次,基于获取的商品评价数据构建自己领域的语料库,对评价进行正负面的情感区分,利用SnowNLP模型训练语料获得新模型,再用模型去处理评价内容并获得情感值。其中,每个属性对应着不同的情感值,消费者通过对评价属性赋予不同的优先级,结合情感值使用加权求和计算出商品评价的最终情感值。然后,为使消费者能快速、直观地综合考量商品多个属性(包含评价情感),使用了多属性决策方法来实现。消费者通过赋予商品属性不同的优先级,结合对应的属性值使用加权求和计算出商品的综合分值,该分值即作为商品推荐指标。最后,为完成验证,本论文基于该方法,设计并实现了一个推荐系统原型,并针对京东平台水果领域的商品进行了推荐。结果表明:采用该方法能针对消费者对不同商品、不同属性优先级的个性化设定,基于评价和属性特征,取得不同的推荐结果,帮助快速定位到符合消费者预期的商品,具有一定的实际应用价值。