1、目前電子商務推薦系統(tǒng)較多的采用協(xié)同過濾的技術為用戶提供推薦商品。但是協(xié)同過濾的方法存在如下的不足，即：需要根據(jù)用戶興趣信息或評價信息才能為用戶作出推薦，因此對于用戶規(guī)模較小的網(wǎng)站無法用該方式給出推薦結果。于是本文轉換研究視角，側重挖掘商品與商品之間的相互關系，試圖在不考慮具體用戶的前提下，利用商品之間的內在聯(lián)系為商品瀏覽者提供相關推薦。就本文來說，我們以書籍商品作為研究對象，利用書籍與書籍之間內容上的聯(lián)系性，為書籍作出相關推薦。當用戶查

2、詢購買或者瀏覽書籍時，其他書籍會因與查詢或瀏覽的書籍內容相關而得到推薦，以方便用戶。本文的研究內容主要包括以下四個部分：
　　第一，根據(jù)電子商務網(wǎng)站書籍推薦系統(tǒng)不可能提供全部書籍內容的特點，本文提出了一種基于書籍屬性相似的推薦方法：利用網(wǎng)絡上常見的描述書籍內容的屬性字段，結合文本相似性的度量方法，給出了本文第一種基于內容的書籍推薦策略。這種推薦方法得到的推薦書籍一般與原書籍內容相似，從而可以讓用戶在更多的候選中選擇適合自己閱讀水平

3、的書籍；
　　第二，針對有些用戶更傾向于關注內容相關而非內容相似的書籍的問題，本文提出了一種基于詞語相關度度量書籍文檔相關性的計算方法，并用此方法給出書籍推薦結果。這種推薦策略側重推薦與原書籍內容相關的書籍，從而可以讓用戶查詢或瀏覽目標書籍時獲得更多相關書籍的信息；
　　第三，針對推薦系統(tǒng)中常見的由于數(shù)據(jù)量大而導致推薦速度較慢問題，本文利用聚類分析技術先將書籍文檔分成小的類簇，再在類簇中進行書籍推薦的方法以降低算法復雜性；<