Internet的迅猛发展将人类带入了信息社会和 网络经济时代，对企业发展和个人生活都产生了深 刻的影响。据预计，到2005年，电子商务活动的总 价值将达到7．5亿元。事实上，电子商务的应用远 没有挖掘出来，其中固然有硬件设施滞后、用户观念 未改变的原因，但更多的是企业服务不到位。电子 商务的发展模式对企业服务提出了许多新要求，包 括商品的质量保证、送货及时、商品选购舒适、退货 方便等，其中，最为突出的问题就是商品选购。
由于供应链和物流的发展，在电子商务的虚拟 环境下，商家能够在网上提供的商品种类和数量非 常多，但用户不可能通过一个小小的计算机屏幕很 方便地发现自己感兴趣的商品，用户既不愿意花太 多时间在漫无边际的网上寻找商品，也不可能像在 物理环境下那样检查商品的质量。因此，用户很希 望电子商务系统具有一种类似采购助手的功能来帮 助其选购商品，并能根据用户的兴趣爱好自动地推荐给每个用户可能感兴趣且满意的商品。 数据挖掘实验室
在这种背景下，推荐系统(recommender sys— tems)应运而生，它是根据用户的兴趣爱好，推荐符 合用户兴趣爱好的对象，也称个性化推荐系统(per— sonalized recommender systems)u]。根据推荐对象 的特点，目前主要有两种类型的推荐系统，一种是以 网页为推荐对象的搜索系统，主要采用web数据挖 掘的方法与技术，为用户推荐符合其兴趣爱好的网 页，如Google等；另一种是网上购物环境下、以商品 为推荐对象的个性化推荐系统，为用户推荐符合兴 趣爱好的商品，如书籍、音像等，称这种推荐系统为 电子商务个性化推荐系统，简称电子商务推荐系统 (recommender system in E- commerce)。
电子商务推荐系统的定义为：“利用电子商务网 站向客户提供商品信息和建议，帮助用户决定应该 购买什么产品，模拟销售人员帮助客户完成购买过程”[ 。该定义现已被广泛引用。1998年7月，由 美国AAAI组织各学者在威斯康辛州专门召开了 以推荐系统为主题的会议，集中讨论了推荐系统的 发展问题。目前，推荐系统已广泛运用到各行业中， 推荐对象包括书籍、音像、网页、文章和新闻等(如图1） 数据挖掘研究院
