1、“.....计算机软件与理论，复旦大学,的信息，不得不用越来越多的时间浏览网络以发现他们需要的信息，但很多时候页的内容和用户期望的是不相关的，但是用户不得不阅读它们以把它们排出其真正想要的以外。另外个问题是网络的虚拟性让用户不可能象以往在实体物理环境中直观的检查产品的外观和质量。在这种情况下，用户迫切地希望电子商务系统能够提供种类似购物助手的功能，可以根据用户自身的兴趣爱好推荐他们满意的产品。从企业的角度来说，企业在日益激烈的竟争中越来越难以生存，提高用户的满意度和忠诚度是其取得长期竞争优势的关键，获得用户信息，分析他们的购物偏好，帮助他们决定购买什么，为他们提供满足他们需要的商品，这是企业要尽力做到做好的，能够充分满足和迎合用户的企业在电子商务中才能占领市场。通过电子商务个性化产品推荐系统可以解决上面阐述的问题，由电子商务企业根据用户兴趣爱好向他们推荐可能会适合他们的产品或服务......”。

2、“.....提高服务质量，同时也节省用户寻找的时间，企业也可以借由推荐系统收集和反馈的信息改进其营销策略，留住和吸引更多的用户。电子商务个性化推荐系统的正式定义由在年给出电子商务个性化推荐系统是利用电子商务网站向用户提供产品信息和相关建议，帮助用户决定购买什么产品，通过模拟销售人员帮助用户完成购物过程的系统。这个定义现在已经被广泛的引用。推荐系统的使用者是用户电子商务活动中的用户，推荐的对象是项目。项目是推荐系统提供给用户的产品或服务，也即最终的推荐内容。电子商务推荐系统被用在电子商务网站中，向顾客提供商品信息和建议，模拟销售人员帮助顾客完成购买过程。般来说，推荐系统在电子商务活动中的作用可以概括为以下几点帮助用户检索有用的信息。对于己有明确购物目标的用户，借助电子商务网站提供的检索系统可以免除在产品目录中页页翻找，比较迅速地找出其需要的产品。但是对于没有明确购物日的......”。

3、“.....或者对自己的需求比较模糊的购物者，检索系统就无法发挥它的作用了。个网站的访问者往往只是随便看看网站，并没有购买意向。如果这个时候推荐系统能够有针对性地向浏览者提供高质量的商品推荐的话，就有可能引起浏览者的购买兴趣，将电子商务网站的浏览者转变成为购买者。促进产品的销售。推荐系统根据用户兴趣推荐些有价值的但用户本来没有想到要购买的产品，或者根据己经购买的产品推荐相关或同类的产品，提高电子商务网站的交叉销售能力。通过电子商务推荐系统的学习能力，可以学习到不同商品之间的相似性和关联性，当顾客购买种商品的时候，推荐系统可以根据这种相似性和关联性给顾客进行推荐，以提高顾客的商品购买数量，加强己有的产品或服务，提供给用户更好的服务。提供个性化的服务。电子商务不仅是为用户提供个可以足不出户的购物环境，而且要为用户提供个性化的产品和服务......”。

4、“.....其中的内容根据每位用户的特点而调整，实现对销售。提高用户忠诚度。与传统的商务模式相比，电子商务系统使得用户拥有越来越多的选择，用户更换商家极其方便，只需要点击两次鼠标就可以在不同的电子商务系统之间跳转。个性化推荐系统分析用户的购买习惯，根据用户需求向用户提供有价值的商品推荐。如果推荐系统的推荐质量很高，那么用户会对该推荐系统产生依赖。因此，个性化推荐系统不仅能够为用户提供个性化的推荐服务，而且能与用户建立长期稳定的关系，从而有效保留客户，提高客户的忠诚度，防止客户流失。而且，推荐系统可以学习顾客之间的购买行为，帮助志趣相投的顾客建立联系，个性化的服务在用户和电子商务网站之间建立了条稳固的纽带，用户越多的使用推荐系统，推荐系统就越能掌握用户的兴趣爱好，电子商务网站可以更好的满足用户的需要，将用户更多的吸引到自己的网站中来。上蕴藏着数量巨大的信息......”。

5、“.....不仅浪费了时间和精力，也使许多用户在互联网面前望而止步。因此对于网站的决策者来说，把所有信息古脑地全部推到用户面前也是不行的，这样不仅给用户带来不便，更重要的是不能给自己带来经济效益。理想的做法是把用户正好需要的信息推到用户面前，以此来吸引住用户的关注，提高网站的竞争力。这就提出了个性化的电子商务。在电子商务模式下商家可以很方便地获取客户资料及行为信息，从而进行系统的分析以提供对商业决策的支持。而另方面，正是由于网络的虚拟性，商家可以做到对不同的客户提供不同的商业界面，而这在传统商务中是无法做到的。在电子商务模式下，客户在第次光顾商家时往往要进行登记注册，使商家很容易将客户特性数据记录在案而且客户是在由页面构建的虚拟市场中活动的，他们的每个活动都可以记录在我们预先定义好的数据库中，从而进行分析处理。可以说......”。

6、“.....用户在访问网站时，通常是想浏览些自己需要的信息，而商家也希望给用户提供他们正需要的内容以吸引用户，提高竞争力。网站需要分析用户的特征，包括用户的基本信息，如年龄收入性别等，和用户历次的网上行为，如以往购买产品的品种和经常浏览的页面类型，为用户筛选出其相对感兴趣的产品信息，并制定出相应的个性化页面，根据个人的情况不同显示出不同的信息及广告，从而大大增加客户满意度，扩大市场的销售，特别是将偶尔访问网站的用户转变为忠诚客户。数据挖掘概念就是从这样的商业角度开发出来的。数据挖掘涉及的学科领域和方法很多，其核心技术历经了数十年的发展，其中包括统计近邻聚类决策树神经网络和关联规则等方法。今天，这些成熟的技术在电子商务中已进入了实用阶段，并取得了良好的效果。数据挖掘技术和其它相关技术的出现，给推荐系统注入了新的生命力。使得推荐系统更智能化，学习能力更强，推荐效果更加明显......”。

7、“.....而是伴随着电子商务的发展而发展起来的。我们可以想象下，在个超市里要找个商品是相对容易了，因为顾客熟悉购物环境，商店里有服务员导购。但是在个电子商务环境下，这个就显得不是那么简单了，复杂的网站设计，成千上万的商品。这时候，你需要个像商店里服务员样的角色帮助你找到最喜欢的商品，完成购买行为。推荐系统正充当了这样个角色。事实上，在电子商务领域能够完成这样功能的软件实现都可以叫推荐系统。比如根据顾客的输入要求反馈相关产品的简单数据库查询或者系统根据决策人员的指令向浏览网站的顾客推荐些网站觉得值得推荐的商品的软件都可以称为个推荐系统，当然这是最简单的推荐系统。目前，推荐系统已经运用到多个行业中，推荐对象包括书籍音像网页文章新闻等，如表。大多数的推荐系统主要应用在电子商务和中，其中已应用到商业中的推荐系统主要有电子商务电影和音乐等领域。这反映推荐系统想要运用到商业中......”。

8、“.....从而为商业企业带来定的经济价值。表主要推荐系统览表推荐系统中的常用技术推荐技术是整个推荐系统中最核心最关键的部分，很大程度上决定了推荐系统性能的优劣。目前，主要的推荐技术包括基于内容推荐基于协同过滤推荐基于关联规则推荐基于效用推荐基于知识推荐和组合推荐等等。下面就将介绍几种比较常用的推荐技术。基于内容的推荐基于内容的推荐是信息过滤技术的延续与发展，它是建立在对项目内容信息进行分析基础之上做出推荐的，而不需要依据用户对项目的评价意见，般通过机器学习的方法从关于产品内容的特征描述的事例中得到用户的兴趣。在基于内容的推荐系统中，项目或对象产品是通过相关的特征的属性来定义，比如，新闻组过滤系统就是个文本推荐系统，该系统推荐的项目是文本，因此，它用文本词汇作为项目特征属性。系统基于对象的特征，学习用户的兴趣，考察用户与待预测项目的相匹配程度，为用户做出推荐......”。

9、“.....基于内容的自动推荐系统将会推荐给他直接与计算机主题相关的商品。基于内容推荐方法的优点是不需要其它用户的数据，没有冷开始问题和稀疏问题。能为具有特殊兴趣爱好的用户进行推荐。能推荐新的或不是很流行的项目，没有新项目问题。通过列出推荐项目的内容特征，可以解释为什么推荐那些项目。己有比较好的技术，如关于分类学习方面的技术己相当成熟。但是其基于内容的推荐系统缺点也比较明显是模型的有效性问题。比如如果我们用特征向量模型描述商品特征的话，我们首先得建立个商品的特征向量空间。选择商品的什么特征和怎么用这些特征更好地表达个商品是件很困难的工作，如果这个工作做得不好的话，对推荐响应时间和推荐质量都会产生负面的影响。二是所谓的过度特征化问题。由于基于内容的推荐系统过分依赖于商品的特征，使得用这种技术实现的模型并不能总是很好的表达商品之间关联性......”。