互联网技术飞速发展的今天,用户在移动端使用应用程序进行服务消费的现象日趋普遍。服务消费过程中,用户的情绪感受体验是用户服务消费体验满意与否的直观反映。如何准确地对用户情绪感受体验进行识别分析,进而判断用户服务消费时的服务体验,并对影响用户服务体验的因素进行挖掘是一个亟待解决的问题。另一方面,用户在服务消费过程中往往根据个人偏好进行消费对象选择,用户偏好隐式反映在用户服务消费体验及用户消费行为数据中,需要通过相应算法设计,对用户偏好进行分析及消费对象精准推荐,以提升用户消费时服务体验感受。本文基于用户使用饿了么APP服务消费时采集到的相关数据展开研究。首先开发一款数据采集器应用程序对用户服务评价时文本数据与用户表情图像数据采集存储,然后对用户服务体验进行概念定义与属性划分,并以本文研究领域数据为基础进行属性划分验证。在对用户整体服务体验分析时,为解决单纯依靠文本数据进行用户情感体验分析准确率不高的问题,我们采用融合文本数据与用户表情图像两种不同模态数据的方法准确识别用户服务情感体验;然后基于LDA主题模型对影响用户服务情感体验的因素进行挖掘。基于对用户服务体验的分析,本文通过特征观点对挖掘算法挖掘用户文本评论数据中的偏好商品主题与偏好主题情感体验,结合表情图像数据构建不同维度主题画像;通过对用户偏好相关定义,本文引入基于动态时间序列的方法对用户偏好进行分析预测。为解决主流推荐算法中数据稀疏性问题,本文提出一种融合多维度主题画像的混合推荐算法进行个性化推荐。最后,本文基于以上研究成果,设计并开发了一个用户偏好分析与推荐应用程序工具,为用户提供主题画像建模、用户偏好分析与用户推荐服务,指导用户消费决策,提升用户服务消费体验。用户在移动端使用应用程序时的服务体验识别与推荐工作是纷繁复杂的,需要通过采取不同方法解决研究中出现的问题。在数据采集阶段,本文通过开发数据采集应用程序对用户服务消费时用户数据进行采集;在用户服务体验分析时,本文融合不同模态数据对服务体验识别分析进行改进;用户偏好分析与推荐阶段,本文提出一种动态时间序列的观点对用户偏好拟合分析,融合多维度主题画像对用户进行个性化推荐。本课题通过对比实验验证了所采用方法的有效性,并通过具体应用实例证明了本课题的研究价值与意义。