个性化推荐研究直到20世纪90年代才被作为一个独立的概念提出来[1,2]，而Web2。0技术的成熟更是促进了它的发展，这个技术让用户不再是被动的网页浏览者[3,25]，而是主动的参与者[3]。由于科技的发展，让很多人都拥有一台属于自己的电脑，甚至人人都有一台电脑不再是空想，而现在智能手机更是发展快速，使得用户数目非常巨大，例如淘宝，一个实际的推荐系统它要推荐的产品就非常多，那么一个准确、高效的推荐系统就非常重要了，一个更准确，更高效，更个性化的推荐系统就能挖掘用户的潜在的消费欲，带来更多的用户，而一个效率低的推荐系统在如今这个用户已经被养叼了的时代还会流失已有的用户。在竞争如此激烈的环境下，个性化推荐系统已经不再仅仅是一种营销手段，它更重要的是能够留住用户，增加用户对系统信任和喜爱，然后带来更多的用户。推荐系统在当今特别是在电子商务例如淘宝方面带来巨大的商业利益。

2  推荐系统及其所使用的技术

    2。1推荐系统的概念及其应用

2。1。1什么是推荐系统

推荐系统是要能够为用户提供与其有用的个性化的信息。当用户的个人经历不足以让他们做出选择时，推荐系统能够帮助他们，给出相关的可用的选项。这些系统可以以不同的方式帮助消费者。他们可以简化信息搜索过程,促进产品的比较,报告其他用户的评论,或利用消费者过去购买过类似的产品或购买之前由用户选定过的类似的购买行为[4,26]。现在互联网和网络技术不断提高使得电子商务的发展快速，规模越来越大。通过互联网,卖家和买家可以很轻松的进行交流，例如淘宝网上买家就可以通过阿里旺旺向卖家询问信息 。然后还可以有自己的内部事务的指定的时间。然而,互联网基础设施的唯一决定性因素保证一个成功的事业在电子市场。随着连续电子商务的发展, 当他们在互联网上面对大量的产品信息时，客户想要找到最合适的店铺和产品，并不是一件容易的事。在整个购物过程中,客户仍然要花很多时间浏览大量的零售商店网站,收集有价值的信息本身。这个过程会产生不必要的耗时，有时甚至客户浏览的网页的内容会有很多是与他们所需要的无关。这不可避免地影响顾客购物的信心和兴趣。为了提供决策支持客户解决上述问题的一个方法是开发智能推荐系统来提供个性化的信息服务。建议系统是可以解决在网上购物信息过载这个问题的一个有效的机制。在购物网站,系统提供一个推荐产品列表，可以帮助客户找到他们想买的最合适的产品。对于那些客户经常购买的产品,如生活用品，食物,书和衣服等,系统可以通过分析他们的个人喜好如通过客户的个人信息和购物记录，为他们生成的有用的建议。因此,开发高效的学习算法捕捉客户需要什么帮助他们买是非常重要的。网络个性化推荐系统框架是用于混合推荐系统与其他类型的合作建议相结合的推荐组件[5,27] 。它减轻了一些挑战,如数据稀疏和可伸缩性。论文网

一般个性化推荐系统的基本框架如下：

参考国内最具代表性的百分点推荐系统框架来讲，个性化推荐系统的推荐引擎在个性化算法的框架基础之上，还引入场景引擎、规则引擎和展示引擎，形成全新的百分点推荐引擎的技术框架，系统通过综合并利用用户的兴趣偏好、属性，商品的属性、内容、分类，以及用户之间的社交关系等等，挖掘用户的喜好和需求，主动向用户推荐其感兴趣或者需要的商品。

基于云计算的个性化推荐平台。消除数据孤岛，建立基于用户全网兴趣偏好轨迹的精准云计算分析模型，打通用户在多个网站的兴趣偏好，形成用户行为偏好大数据中心。 利用快速K-medoids聚类算法的混合个性化推荐系统设计(2):http://www.youerw.com/jisuanji/lunwen_83562.html