社区已经成为推荐系统挖掘兴趣的流行平台。 主题的语义反映了用户的隐性兴趣。 主题情感暗示着用户的情感倾向。 具有共同情感的人们可以形成令人感兴趣的共鸣社区。 本文提出了一种基于共振情感兴趣社区的推荐模型，以提高推荐系统的准确性。 首先，我们学习加权语义向量和情感向量，以对语义和情感用户配置文件进行建模。 然后，通过结合语义和情感因素，计算共振关系以评估用户的共振关系。 最后，基于共振关系，检测共振社区以发现共振组以提出个性化建议。 实验结果表明，与传统方法相比，该模型在寻找与语义相关的情感兴趣方