Este documento propuso un modelo de recomendación llamado RM-SA, que se basa en el análisis multi-emocional en redes. En el esquema RM-MES, los valores de recomendación de los productos se derivan principalmente de las probabilidades calculadas por un sistema de recomendación existente similar durante la etapa de inicio del sistema de recomendación. Primero, los comportamientos de esos usuarios se pueden dividir en tres aspectos, que incluyen navegar por productos, comprar productos solamente y evaluar productos comprados. Luego, se consideran las características de los productos y la información emocional del usuario para determinar similitudes entre usuarios y tiendas. Elegimos la tienda más similar como la tienda de referencia existente en el experimento. A continuación, se calcula la matriz de probabilidad de recomendación tanto de la tienda existente como de la nueva tienda, basada en las similitudes entre los usuarios y el usuario objetivo, que son seleccionados al azar. Finalmente, utilizamos metadatos de co-compra de Amazon y un cierto tipo de comentarios para verificar la efectividad y el rendimiento del esquema RM-MES propuesto en este documento a través de experimentos exhaustivos. Los resultados finales mostraron que la precisión, el recall y la medida F1 aumentaron en un 19.07%, 20.73% y 21.02% respectivamente.