推荐系统在电子商务和服务型移动终端的应用越来越广泛,使得人们的生活越来越便利。在电子商务网站或论坛中,存在大量蕴含用户对项目某些方面的相关评论,若将这些评论进行细粒度情感分析,既可作为可解释推荐系统中用户对项目评分的依据,又可给出推荐结果的解释原因,从而帮助用户更好地理解推荐结果,提升用户的满意度。因此,本文以项目评论数据为研究对象,通过分析评论中多个对象的细粒度方面项情感极性,进而基于用户在方面项的兴趣偏好以及项目在方面项的项目特性,建模用户和项目的表示,实现用户对项目的评分预测,并设计和实现一个基于方面项情感分析的可解释汽车推荐系统。主要研究内容如下:（1）融合细粒度表示的多对象方面项情感分类。利用评论中多对象的细粒度方面项标签,建模对象在细粒度方面项的情感特性。首先,对评论句子、评论对象以及描述对象的方面项多种粒度进行初始化向量表示,并将它们的表示进行融合,建立融合细粒度的文本初始化表示。其次,利用LSTM学习文本的潜在特征,融合文本中对象和方面的语义,并基于注意力机制实现文本的细粒度语义增强表示。最后,将文本细粒度语义增强表示与对象和方面的表示分别结合,并进行拼接,实现多对象的方面项情感分类任务。在COAE2015公开数据集上进行实验,验证了所提方法的有效性。（2）基于方面项的可解释推荐方法。文本中的方面项信息能够提升推荐系统评分预测的准确性,并给出细粒度的解释。考虑到方面项细粒度语义表示,本文提出了基于方面项的可解释推荐方法。首先,对于文本评论数据,使用word2vector和BERT获取文本评论的特征表示和方面的特征表示。其次,通过注意力机制学习用户在细粒度的多个方面的语义表示,并加权计算了细粒度的用户偏好语义表示;同时,以同样的方式学习了项目特性的语义表示。最后,利用用户和项目的表示,预测了用户对项目的评分偏好。在Yelp和COAE2015公开数据集上进行实验,实验结果表明该方法优于对比方法。（3）基于方面项情感分析的汽车推荐系统设计与实现。利用细粒度语义增强表示的方面项情感分类和基于方面项的可解释推荐方法,设计并实现基于方面项情感分析的可解释汽车推荐系统。该系统利用了用户文本评论建模项目的特性,并对目标项目的方面特性进行了说明,根据用户的偏好和项目的特性实现了细粒度方面项的推荐,并对推荐结果进行了解释。本系统界面友好,功能明确,使用方便。