如今,互联网已不仅仅是传播信息的平台,更是大多数人分享信息、表达个人态度的关键方式。尤其在Web2.0和移动社交网络广泛应用之后,大量用户习惯在互联网上留下对各种物品及事件的评论,由此各大网站均积累了庞大的评论数据集。如此海量的评论信息给用户决策造成了困扰,还造成了“信息过载”问题,为此,个性化推荐技术成为学者们的研究热点。但目前的推荐技术大多仅考虑用户评分数据、个人基本信息等,却没有充分利用那些具有高价值的、能够反映用户个人偏好的大量非结构化评论数据,而这些评论数据能够缓解数据稀疏和推荐准确度低等问题。基于此,本文深入挖掘用户评论内容,根据情感分析技术和读书社交网站推荐的研究现状,提出了基于用户评论情感分析的个性化推荐模型。该模型主要分为评论情感分析和个性化推荐两大模块。在进行情感分析时,首先通过句法分析得出主要的依存句法关系,基于句法关系进行特征词-观点词对的抽取,在抽取过程中加入特征词的种子词库和同义词词林进行特征筛选;然后利用基于知网词典的汉语语义相似度计算方法,对特征词进行属性特征聚类;最后考虑程度副词和否定词共现时不同组合方式造成的语义差异,设定程度副词的修饰百分比,设计了一种情感强度计算方法,得出用户属性特征层面的情感评分。在个性化推荐模块,利用用户对属性特征的关注度和大众的情感评分构建出用户兴趣偏好模型,基于用户偏好计算用户属性特征的相似度,得出用户兴趣度进行推荐。最后,对“豆瓣读书”的评论数据进行了应用性研究,得出了针对豆瓣读书平台的优化推荐策略,并通过详细的实验设计验证了模型的有效性。