个性化推荐系统在电子商务网站中的应用研究
一、引言
随着I
ter
et的普及，信息爆炸时代接踵而至，海量的信息同时呈现，使用户难以从中发现自己感兴趣的部分，甚至也使得大量几乎无人问津的信息称为网络总的“暗信息”无法被一般用户获取。同样，随着电子商务迅猛发展，网站在为用户提供越来越多选择的同时，其结构也变得更加复杂，用户经常会迷失在大量的商品信息空间中，无法顺利找到自己需要的商品。
个性化推荐，被认为是当前解决信息超载问题最有效的工具之一．推荐问题从根本上说就是从用户的角度出发，代替用户去评估其从未看过的产品，使用户不只是被动的网页浏览者，而成为主动参与者。准确、高效的推荐系统可以挖掘用户的偏好和需求，从而成为发现用户潜在的消费倾向，为其提供个性化服务。在日趋激烈的竞争环境下，个性化推荐系统已经不仅仅是一种商业营销手断，更重要的是可以增进用户的黏着性。本文对文献的综述包括个性化推荐系统的概述、常用的个性化推荐系统算法分析以及个性化推荐系统能够为电子商务网站带来的价值。
二、个性化推荐系统概述
个性化推荐系统是指根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。它是建立在海量数据挖掘基础上的一种高级商务智能平台，以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。购物网站的推荐系统为客户推荐商品，自动完成个性化选择商品的过程，满足客户的个性化需求，推荐基于：网站最热卖商品、客户所处城市、客户过去的购买行为和购买记录，推测客户将来可能的购买行为。
1995年3月，卡内基梅隆大学的RobertArmstro
g等人在美国人工智能协会首次提出了个性化导航系统WebWatcher，斯坦福大学的MarkoBalaba
ovic等人在同一次会议上推出了个性化推荐系统LIRA。同年8月，麻省理工学院的
fHe
ryLiberma
在国际人工智能联合大会（IJCAI）上提出了个性化导航智能体Letizia。这三个系统被公认为是个性化服务发展初期最近经典的系统，标志着个性化推荐服务的开始。
2000年，我国正式开始了个性化推荐的研究，清华大学的陆海明等提出了基于Age
t多混合智能实现个性化推荐；2001年清华大学的冯翱等人提出了基于Age
t的个性化信息过滤系统Ope
Bookmark；南京大学的潘金贵等人设计并实现了个性化信息搜集智能体DOLTRLAge
t。近几年来，个性化信息推荐服务逐渐从理论走向实践，从探索走向完善，逐步成为商业界的焦点。
三、常用的个性化推荐系统算法分析
下面对常用的个性化r