1、互聯(lián)網(wǎng)應用的普及，在推動了電子商務迅速發(fā)展的同時，也造成了信息的過載。作為電子商務的一種重要工具，推薦系統(tǒng)幫助消費者在海量的商品信息中得到有價值的購買建議，并相應地提高了銷售業(yè)績，因此在電子商務中具有良好的應用前景。然而，當前的電子商務推薦系統(tǒng)面臨許多問題，例如，推薦質量受到稀疏的用戶評價數(shù)據(jù)的嚴重影響，系統(tǒng)的可擴展性能差；推薦缺乏多樣性，無法涵蓋用戶的完整興趣等。本文針對這些問題，對電子商務個性化推薦系統(tǒng)中的推薦技術和體系結構等關鍵技

2、術進行了有益的探索和研究。
　　 本文首先全面探討了電子商務個性化推薦系統(tǒng)，包括系統(tǒng)的構成、功能、輸入輸出的表現(xiàn)形式，研究的內(nèi)容和常用的推薦方法；接著對推薦系統(tǒng)所使用的多種智能化的推薦技術進行了分類討論，包括協(xié)同過濾技術，信息過濾技術、數(shù)據(jù)挖掘技術、Horting圖等和混合推薦技術，分析歸納了各種推薦技術的優(yōu)點與不足之處，在現(xiàn)有的混合推薦技術上提出了一種基于用戶興趣聚類的協(xié)同過濾推薦改進技術；然后通過對用戶顯性興趣和隱型興趣的相

3、似項進行聚類，選擇與目標項相似性最高的若干個聚類作為查詢目標項的最近鄰居；再對改進的推薦技術的有效性進行了實驗驗證，結果表明基于用戶興趣聚類的推薦技術有效解決了用戶評分較少而造成推薦困難的問題，顯示出比傳統(tǒng)的推薦方法更好的推薦質量和擴展性；最后在此推薦技術的基礎上，對圖書智能化推薦系統(tǒng)做了設計和實現(xiàn)。
　　 本文在電子商務智能推薦技術方面進行了探討和研究，所開發(fā)的圖書智能化推薦系統(tǒng)獲得了較高的推薦質量和用戶滿意度，對電子商務智能