在互联网飞速发展的今天,网络信息复杂繁多且越来越参差不齐,对于当前的图书出版机构来说,编辑人员的出版选题策划方式跟不上网络化发展,出版机构对图书出版市场分析不准,不能满足用户个性化需求,使得消费者购书需求降低、图书库存负载、经济效益下降等问题。使用大数据技术发掘书籍的相关信息并提取和分析它必不可少。图书评价信息中存在消费者对图书产品特征的评价意见,如何得到图书评价信息并从图书评论中高效地提取到有价值的信息且进行个性化推荐成为本文的研究重点。本文提取了某网站的图书评论为数据来源,通过图书缺失数据填充,观点句识别,特征提取及对图书评论进行情感分析得到图书评论挖掘结果并通过个性化推荐,帮助消费者及生产商作出科学的决策。本文首先通过网络爬虫技术,抽取网站上的图书评论信息,构建原始评论数据集;使用提出的KIEM算法来填充具有缺失数据的原始评论数据集;利用细粒度情感分析方法,提出一个新的情感分析方法---情感推荐指数算法(ARIA),有针对性的选取出版物的评价对象及其属性分析读者情感倾向,充分考虑句子中没有明显的情感词,但是句子是隐形情感句对情感的影响,对有情感词的书评情感进行分析和无情感词的书评情感进行分析,并对情感倾向进行加权计算,得出读者对出版物正面,负面的评价数量,通过“引入权重值—加权求和—计算比值”的算法步骤,得出情感推荐指数。利用改进的推荐算法有效提高相似度的计算精度,解决数据稀疏性问题,达到提高推荐的精准度和个性化的目的,更精准的把握图书出版市场及用户需求,减少图书库存积压,实现出版物的更精准化,个性化推荐,增加出版产业经济效益。