随着移动通信网络技术的高速发展,人们越来越依靠手机等移动终端开展网络活动,信息展示的终端趋向小型化,由此带来的信息过载问题阻碍了用户快速而高效地获取所需的数据信息。推荐系统正是解决上述问题的一种核心支撑技术,主流的推荐系统大多依靠用户的显式或者隐式反馈信息获得偏好,但是这种方式对用户在移动网络中的活动足迹、发表的言论等数据信息利用不足。而情感分析与预测分析是挖掘上述信息的主流方法,其本质是通过历史数据的变化规律来计算数据未来的发展状态,并了解用户对于推荐项目的情感反馈。通过结合情感分析和预测分析技术,不仅可以计算情感走势、丰富推荐系统在用户情感层面上的推荐依据、辅助计算更加个性化的结果,还可以从另一个角度提出推荐系统的一种新的解决方案。基于以上思路,本文将预测分析技术应用在情感分析领域,通过历史情感分析结果及情感值的变化趋势对未来的情感值进行预测。同时,将这种方法应用在推荐系统上,针对用户情感层面的喜好展开相应研究,从而提升用户体验以及系统的推荐质量。本文的主要工作包含以下几方面:(1)在移动用户社交网络环境下,分析了用户的使用行为习惯以及网络社交环境的用语习惯,提出了一种包括建立标点符号情感字典、语气词情感字典等一系列针对社交数据的情感字典的建立方法,并对词典的情感分析准确度进行了评估。(2)提出了一种基于时序分析的移动用户情感预测方法,并对其中涉及到的时间序列分析相关算法进行了理论学习与应用研究。通过分析移动用户的上下文会话信息,得到用户情感值序列,利用时序分析这个序列计算和预测情感走向。(3)针对现有移动用户在社交过程中出现的表情符号选择使用问题,提出了一种新式的表情符号推荐算法。其特点在于结合了情感分析结果与时间序列分析中的ARIMA算法,通过分析用户会话过程中使用表情符号时的对话背景,将其情感分析的结果作为用户对该表情符号的情感理解,在推荐过程中,依据计算的用户情感预测结果进行表情符号推荐。(4)开发了一款融入本文提出的表情符号推荐算法的手机社交软件原型程序。该软件采用了主流的MVP架构并使用了即时通讯云的快速部署方案。经过测试,本文的算法能够在测试用例中推荐出与上下文情感相近的表情符号,其推荐效果好于基于频率的表情推荐算法。