为提升推荐结果的准确性和可解释性，提出一种融合深度神经网络和方面感知的可解释推荐方法。针对评分数据的稀疏性问题，综合考虑显式和隐式评分数据，通过深度神经网络的矩阵分解模型学习用户和物品的潜在特征；通过无监督的方面提取模块来学习用户和物品的方面特征；将潜在特征和方面特征统一到预测层进行评分预测；针对生成解释质量低且缺乏个性化的问题，在评分预测的基础上，采用提取的主题词和预定义的神经模板相结合生成推荐理由，提高解释的生成质量。实验表明，提出的方法不仅能准确预测用户对物品的评分，还能够生成具有解释性的推荐理由，且生成的解释质量优于对比方法。