目前传统信息推荐技术虽然满足了人们一定的需要,但由于其通用的性质,仍然不能满足不同目的、不同兴趣偏好、不同时期的用户查询与浏览需求,因此,如何为用户提供更为满意的、更加符合其个性化需求的信息已成为一个重要的研究课题。当前在信息领域中关于情感计算的研究不断地受到关注,它己成为具有前沿科学特征的学科发展方向。对于个性化推荐服务而言,用户的情感态度和偏好程度可以很好的表达用户在情感方面的需求,随着系统应用领域的不断扩大,新的需求不断涌现,用户情感方面的需求模型研究也将成为个性化推荐服务的一个新的方向。本文提出了一种基于主题与情感倾向的信息推荐算法,针对个性化推荐、人工情感等相关理论和观点进行了分析和研究,本文重点研究问题与创新点的主要有以下几点:1.首先根据用户关注的主题对原始信息进行基于内容的过滤后生成初步推荐集,推荐给特定用户;2.同时用户通过“非常喜欢、喜欢、一般、反感"等情感词汇的显式反馈方式来表达自己的情感偏好,从而建立基于情感的用户模型。其中把情感词汇本身的倾向性权值考虑在内,将情感倾向性与用户情感状态相结合作为用户的个性化需求之一,扩展了用户需求;3.进一步运用情感倾向权值与SVM改进算法相结合的方法对文本信息进行情感倾向性多项分类,生成推荐集来对用户进行二次推荐,使推荐信息更加适合用户的情感需求。对比实验表明:基于主题与情感模型的信息推荐算法比单纯基于主题的推荐算法更能适应用户需求,有效地提高了推荐算法的推荐质量。