본 연구는 사용자 리뷰에 포함된 감성 정보를 기반으로 부정적인 평가가 집중된 영화를 사전에 제거하고, 키워드 및 장르 정보를 활용하여 하이브리드 방식으로 영화를 추천하는 시스템을 제안한다. 감성 분석은 사전학습된 한국어 분류 모델(KcELECTRA)을 활용하며, 부정 리뷰 비율이 일정 기준 이상(예: 60%)인 영화는 추천 후보군에서 제외된다. 키워드는 Word2Vec 임베딩과 도메인 지식 기반 연관어 사전을 통해 확장되며, 관련 리뷰의 밀도를 기준으로 추천 순위가 결정된다. 키워드 기반 추천이 어려운 경우, 입력 장르를 바탕으로 평균 평점 상위 영화를 대체 추천한다. 실험 결과, 시스템은 F1-score 평균 0.54, Precision 0.38, Recall 1.0을 기록하였으며, 감성 필터링 성공률은 약 14.29%로 측정되었다.