1、隨著網絡技術的迅速發(fā)展，電子商務也越來越普及和流行，隨著信息量的增多，商品信息過載的現象越來越嚴峻，因此需要創(chuàng)建個性化服務的電子商務推薦系統(tǒng)，將真正滿足用戶需求的商品推到用戶面前，提高網站的銷售力。 推薦算法是個性化推薦系統(tǒng)的核心。目前來說，協(xié)同過濾算法是應用最多的推薦算法，但是它在實際應用中還是有很多缺陷：如評分矩陣稀疏問題，推薦精度問題等等。本文采用了一種基于混合機制的個性化推薦技術，有效的解決了評分矩陣稀疏問題，提升了推薦

2、的精度。 本文的主要研究成果如下： (1)利用用戶的注冊信息，通過改進的K-means聚類算法對用戶進行聚類，將有著相似個人信息的用戶分到同一個簇中，這樣就可以在簇中查找用戶的最近鄰，避免了在整個用戶群上查找，提高了實時響應速度，并且間接的解決了冷開始的問題。 (2)將項目的屬性分為m個維度，每個維度上有各自的屬性特征值，得到屬性特征值矩陣，通過計算兩個項目間的屬性特征的相似性，粗略得到稀疏矩陣中未評分項目的得分