互联网的出现和普及给用户带来了大量的信息,满足了用户在信息时代对信息的需求,但随着网络的迅速发展而带来的网上信息量的大幅增长,出现了信息超载的问题。解决信息超载问题的一个比较新颖的办法是设计和实现个性化推荐系统。它是根据用户的信息需求、兴趣等,将用户感兴趣的信息、产品等推荐给用户的信息推荐系统。个性化推荐系统现已广泛应用于很多领域,为了更好地实现个性化推荐,本研究将设法分析用户的真实情感状况,进行用户文本情感分析。本研究通过对比传统的推荐算法,发现其中的优缺点,将用户的情感因素的量化结果用于评分矩阵和相似度计算,改进推荐算法,提高推荐的有效性。本文所做的主要工作如下所述:1.针对推荐系统性能亟待提高的问题,考虑到传统的推荐算法很少意识到用户的真实情感的重要性,在传统协同过滤算法的基础上,提出了一个结合情感分析的改进的推荐算法。2.由于算法的实现过程涉及到大量文本情感倾向的分析,本研究在酒店领域语料库和基础情感词典的基础上,构建了酒店领域情感词典。3.结合酒店文本的实际情况,改进传统的文本特征选择算法,选择恰当的聚类算法,同时完成情感值计算公式的设计,从而完成酒店建模和用户情感建模。4.根据设计出的推荐算法,设计推荐系统的结构,包括情感分析模块、用户建模模块、对象建模模块、推荐算法模块等。利用抓取的数据集,在设计出来的系统上完成Top-N推荐。5.通过实验将该算法与以往的一些推荐算法进行召回率、准确率等指标的比较,并分析比较本课题的推荐算法与传统推荐算法在性能和效果上的差异。实验证明,结合情感倾向分析的推荐算法与传统的推荐算法相比,在召回率和准确率等指标上都能有一定程度的提高,对文本情感的分析和聚类个数的选择能影响到推荐系统的整体性能,从而影响到个性化推荐的效果。