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。基于Internet的虚拟企业不再需要传统物理环境下企业所需的实体投资，企业与顾客、供应商等建立起更为直接的联系，电子商务模式为企业发展提供了更多的机会，同时也带来了许多挑战。其中，最为突出的一个问题就是如何实现个性化推荐。
由于供应链和物流的发展，在电子商务的虚拟环境下，商家在网上所能提供的商品种类和数量非常多，用户想找到自己感兴趣的商品，就需要浏览大量的无关信息，这个过程会导致用户不断流失，用户也无法通过一个小小的计算机屏幕就能很方便地发现自己感兴趣的商品。因此，用户亟需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，它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能让用户满意的商品。
在此情形下，电子商务个性化推荐系统（Personalized Recommender Systems in E-commerce）应运而生，也称个性化推荐系统（Personalized Recommender Systems），它是建立在海量数据挖掘基础上的一种高级商务智能平台，以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。购物网站的推荐系统为客户推荐商品，自动完成个性化选择商品的过程，满足客户的个性化需求。
个性化推荐系统犹如汽车的发动机，将电子商务发展带入一个新的时代：个性化时代。通过数据的积累和分析，通过技术的不断应用和创新，人们在海量资讯的信息时代自由翱翔。
电子商务个性化推荐的框架
电子商务个性化推荐(Personalized Recommendation in E-Commerce)是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的过程。它能收集用户兴趣资料并根据用户兴趣偏好主动为其做出个性化的推荐，这样，当用户每次输入用户名和密码登录电子商务网站后，推荐系统就会自动按照用户偏好程度的高低推荐给用户最喜爱的产品。
按系统的观点，电子商务个性化推荐框架可视为三个模块组成部分，分别是输入、输出和推荐方法与技术，如图1所示。
个性化推荐的输入模块表明从哪里去获取用户的偏好。所以主要涉及两部分，一是用户信息获取的平台，最典型的平台当然是传统的电子商务平台和网站，但随着社会网络（如Facebook、Twitter、Renren等）的应用，基于社会网络的社会商务的广泛应用，社会商务系统也成为获取用户信息的平台。从偏好的表现形式来看，包括隐式浏览输入、显式浏览输入等。显式偏好主要包括用户的评分、用户关系标注等；隐式偏好主要包含用户的浏览、查询等。此外，在移动商务环境下，用户的情景信息，如所在地址、天气等，也是推荐的输入。
个性化推荐的输出主要包含两种形式，一是预测，预测用户对某商品的偏好；二是推荐，基于预测直接给用户推荐其可能感兴趣的商品。具体从应用上看，主要包括偏好预测、链接预测、专家发现、朋友搜索以及个性化搜索等。
推荐方法模块是推荐系统的核心部分，决定着推荐系统的性能优劣。主要的推荐技术包括：
协同过滤推荐
协同过滤推荐（Collaborative Filtering Recommendation）是目前研究最多的个性化推荐技术，它是基于邻居用户的资料得到目标用户的推荐，推荐的个性化程度高。具体来讲，协同过滤推荐一般主要分为两类：一是基于内存的协同过滤（Memory-based Collaborative Filte
项目经理胜任力免费测评PMQ上线啦！快来测测你排多少名吧~
http://www.leadge.com/pmqhd/index.html
