1、隨著市場經(jīng)濟結(jié)構(gòu)的調(diào)整，電子商務(wù)相關(guān)政策的完善以及物流、信用、電子支付等支撐體系的不斷優(yōu)化，消費者對電子商務(wù)的需求將會更加強烈，運用電子商務(wù)的意識會越來越強。未來電子商務(wù)將會遍及生產(chǎn)、流通、消費等社會生活的各個領(lǐng)域。電子商務(wù)服務(wù)業(yè)群正在逐步形成，這將會成為未來國民經(jīng)濟新的增長點。統(tǒng)計數(shù)據(jù)表明自2005年以來，我國電子商務(wù)市場交易額穩(wěn)定增長，未來3年，我國電子商務(wù)投資市場將迎來發(fā)展的新高潮。在這種環(huán)境下，大多電子商務(wù)網(wǎng)站都使用了推薦系統(tǒng)來

2、推廣業(yè)務(wù)。推薦系統(tǒng)逐漸成為電子商務(wù)中的重要研究內(nèi)容。
　　伴隨著電子商務(wù)規(guī)模的擴大，推薦系統(tǒng)面臨著一系列的挑戰(zhàn)。信息數(shù)量的急速增長影響了推薦系統(tǒng)推薦的效率。協(xié)同過濾是推薦系統(tǒng)中應(yīng)用最為廣泛的個性化推薦技術(shù)，但是其自身存在稀疏性、冷啟動以及可擴展性等問題，影響了推薦系統(tǒng)的質(zhì)量。
　　本文對電子商務(wù)推薦系統(tǒng)中使用的推薦技術(shù)進行了探索和研究，提出了基于免疫機理的推薦算法，主要是借鑒了自然免疫系統(tǒng)的免疫學(xué)習(xí)、克隆選擇和自適應(yīng)等特性。

3、首先把免疫網(wǎng)絡(luò)中的初始抗體通過聚類劃分為不同的簇，然后基于自適應(yīng)的aiNet算法對聚類中心進行克隆、變異等，從而獲得優(yōu)秀的鄰居用戶集。抗體的克隆分化機制能夠降低數(shù)據(jù)的稀疏性，網(wǎng)絡(luò)抑制能提高擴展性，避免算法陷入局部最優(yōu)點。與協(xié)同過濾算法相比，該算法對用戶興趣的預(yù)測更加客觀、準確，能夠提高系統(tǒng)推薦的質(zhì)量。最后通過實驗驗證了該算法在電子商務(wù)使用中的可行性和有效性。
　　本文所做的工作以及創(chuàng)新點主要包括以下幾個方面:
　　(1)基于

4、人工免疫與自適應(yīng) aiNet的協(xié)同過濾算法
　　本文借鑒抗原和抗體，抗體與抗體之間相互作用以及抗體的克隆變異等原理，將自適應(yīng) aiNet思想引入?yún)f(xié)同過濾算法中的鄰居用戶集的選擇中，提高了最近鄰居集合選取的準確性。
　　(2)基于聚類免疫的最相似鄰居推薦算法
　　將聚類技術(shù) K-means算法引入到推薦算法中，對網(wǎng)絡(luò)中注冊的用戶基于興趣進行分類。再結(jié)合人工免疫的思想，利用聚類免疫方法確定最相似的鄰居用戶。
　　(3