用户在线购物时常常被在线平台要求对他们购买的商品及相关服务进行评价,撰写评论。随着电子商务的日益成熟,用户评论的数量也在不断增长。一件热门商品甚至会有成千上万的评论。这就对潜在的用户和商家造成了困难,因为用户无法快速阅读评论并做出合理的决策,而商家则无法跟踪商品的问题,及时调整生产经营策略。精准的推荐系统能快速帮助用户找到他们所需要的产品。但是,目前推荐方法的研究主要集中在用户信息和在线行为。评论能直接反应商品特征和用户观点。因此,本文将观点挖掘策略应用于推荐系统中,提出一种基于观点挖掘的混合推荐模型。本文的主要工作包括:(1)本文首先对评论语料进行分词、词性标注、句法分析。然后,手动抽取少量观点词作为种子,根据观点词和特征词出现的共现关系,抽取特征词集合。从观点词的同义关系以及观点词-特征词-观点词的传递关系,找到其它的观点词。循环往复,直到最后没有新的观点词和特征词可以加入,利用上述的方法找到特征词集和观点词集。(2)本文引入直觉模糊集理论对观点词进行极性判断,针对得到的观点词集,首先,结合观点词所在单句的评论得分,给出观点词的倾向。然后,在复杂句,即出现多个观点词的情况下,利用直觉模糊集理论和已知观点词的倾向来判断剩余未知的观点词倾向。(3)本文将评论观点加入到推荐模型中提出了基于用户-商品-观点的混合推荐模型,根据用户-商品-观点的关系从评论语料中抽取用户特征、商品特征以及观点特征,将随机森林和梯度渐进回归树以及逻辑回归引入混合模型,将抽取出的特征放入混合模型中进行训练。(4)本文详细介绍了实验步骤,并选取真实的电商数据验证所提出的方法。实验结果表明,本文提出的方法可以有效的找出特征词集和观点词集,并且能较好的判断出观点词的极性。将该方法融入到混合推荐模型中能进一步提高推荐的准确度。