随着移动通信技术的发展,使用智能手机的用户越来越多,Pad、智能手机等移动设备成为了用户生活中不可或缺的一部分。2019年,中国智能手机超越美国成为世界上智能手机用户量最多的国家。面对市场上庞大的移动应用库,用户很难从中找到自己满意的APP软件,因此如何在海量的APP软件中,分析出用户真正满意的APP软件并推荐给用户,是相当重要的。本文在阅读大量文献的基础上,对国内外基于用户满意度的APP软件推荐进行了分析和总结,发现现有研究中存在以下问题:(1)针对部分APP软件推荐研究中大部分都是一些热门APP软件,或者是与用户正在访问的APP软件相似的APP软件,且它们所采用的方法大部分都是分析用户行为,很少结合用户满意度进行分析的。(2)目前现有的APP软件的推荐研究只针对部分APP软件,很少针对APP软件类别进行推荐。针对以上问题,本文采用结合用户满意度的分析进行APP软件推荐,主要工作如下:(1)针对现有研究中APP软件推荐大部分通过用户行为分析,很少通过用户满意度来进行分析的现状,提出一种APP软件用户满意度分析方法,目的是为了得到APP软件用户满意度评分。首先识别反映APP软件用户满意度的评论,利用情感分析计算APP软件用户满意度子属性评分,并采用基于灰色关联度分析结合层次分析法的方法确定权重,最后综合计算出APP软件用户满意度评分。(2)目前现有研究大多针对部分APP软件,很少针对APP软件类别进行推荐,本文提出一种通过APP软件类别来进行APP软件推荐方法。首先对APP软件进行分类,第二,计算APP软件类别相似度,抽取与目标用户APP软件类别相似度高的用户,通过APP软件用户满意度评分计算每类APP软件满意度评分,并计算得出邻居用户,第三,分析用户行为,最后根据用户行为、星级、用户满意度指标生成推荐。(3)设计并实现了基于用户满意度分析的APP软件推荐原型,并通过实验证明本文方法的有效性。