随着互联网技术的高速发展，互联网已经成为我们获得信息的重要来源，在人们生活的方方面面都与互联网产生了密不可分的联系。互联网给人们的生活带来了便捷，但也带来了一系列的问题，海量的数据充斥着网络，让人们迷失在互联网的世界中。因此，如何让用户从海量的信息中找到有价值的信息，同时让有价值的信息为需要的用户所享用，这个问题一直是相关学术界和企业界所关注的热点问题。随着BBS、微博、聊天室、各类点评网站的发展，互联网上产生了大量有用户参与的网络短评。网络短评是用户对产品的主观描述，其中包含了大量有用的信息，对网络短评分析所得的情感信息能更为有效的对产品进行描述，但其重要性未被人们足够重视。与此同时，个性化推荐系统的发展非常迅速，个性化推荐系统旨在利用用户的历史行为信息，建立用户与信息产品之间的二元关系，利用已有的选择过程或相似性关系挖掘每个用户潜在感兴趣的对象，在不需要用户显式指定查询的情况下向用户主动推荐信息。其主流的推荐技术是协同过滤和混合推荐。目前的推荐技术所用到的数据大多都是基于用户与产品之间的关系所产生的，而针对网络短评抽取到的情感信息数据的个性化推荐还很少。本文研究基于网络短评的个性化推荐系统，将网络短评中所获取的情感特征作为构建推荐系统的重要数据，以此来提高个性化推荐系统的效果。本文研究并实现了基于网络短评的个性化推荐系统，具体的研究内容主要包括以下几个方面：1.针对大众点评网上餐饮类评论数据的特点构造基于网络短评的个性化推荐模型。首先根据传统推荐技术所用的数据（用户与信息产品之间的二元关系）构建二部图网络；其次，基于网络短评抽出的情感信息数据与产品的对应关系构建产品-标签二部图；最后，融合用户-产品二部图和产品-标签二部图得到基于网络短评的个性化模型。2.对个性化推荐模型进行改进，主要包括：利用加权网络思想，可以得到更好的资源分配结果；引入平滑参数对用户和标签的度进行调整，该调整能降低度大的产品对推荐结果的影响。3.将个性化推荐模型用到大众点评网餐饮类用户推荐中，实验结果证明基于网络短评的个性化推荐在排序准确度、召回率、推荐准确率、F1值和推荐新颖性都有明显的提高，以此显示了将网络短评数据引入到个性化推荐系统中的有效性。