全文总字数：2184字

1. 研究目的与意义及国内外研究现状

随着电子商务的发展，推荐信息系统越发显现出它的价值。个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。它可以大大节约搜索量并方便用户获得所需信息。一个网上商城里面可能有数千万种商品，那么问题随之凸显，顾客必须花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。于是推荐信息系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台，用以帮助电子商务网站提供更多商机以及为其顾客购物提供完全个性化的决策支持和信息服务。

本课题意图从推荐系统的实际应用出发，以母婴用品为出发点，以理论结合实际，来实现具体如何帮助顾客推荐他所感兴趣的母婴用品，并且产品的价格和质量都是顾客所能接受的。

本课题意义在于随着二胎化的开放，将来母婴用品将会拥有非常庞大的市场，而现在的电子商务只是综合性的平台，并无一个专门针对这一市场的应用和网络入口，这一研究可以结合现有算法技术加以并优化实现，为电子商务将来的分并且这一研究具有可移植性，有商业化的巨大前景和价值。

国内外研究现状

信息推荐系统首次正式出现在人们面前是斯坦福大学的推出了个性化推荐系统lira，三年后att实验室提出了基于协作过滤的个性化推荐系统phoaks;在1999年，德国dresden技术大学的tanja joerding实现了个性化电子商务原型系统tellim；2007年3月开始，google为adwords添加了个性化元素。不仅仅关注单次搜索的关键词，而是对用户一段时间内的搜索历史进行记录和分析，据此了解用户的喜好和需求，更为精确地呈现相关的广告内容。不久雅虎推出了smartads广告方案。雅虎掌握了海量的用户信息，如用户的性别、年龄、收入水平、地理位置以及生活方式等，再加上对用户搜索、浏览行为的记录，使得雅虎可以为用户呈现个性化的横幅广告。

2. 研究的基本内容

母婴用品推荐信息系统如何通过对用户的注册信息以及浏览记录提取并根据相关算法（采用叠加的组合算法，即基于内容的推荐算法和基于用户的协同过滤算法相组合）生成具体商品的过程，如母婴用品系统向如何筛选出用户可能感兴趣的各种婴幼儿产品，并向用户推荐。

从前端的人机交互获取用户行为数据，到后台系统对用户注册信息及各种浏览记录进行数据挖掘分析，并采用何种算法生成特征向量并最终产生用户可能感兴趣的推荐商品列表。

3. 实施方案、进度安排及预期效果

本课题设计的母婴用品推荐系统由前台的展示页面、后台的日志系统以及推荐算法系统3部分构成，故此论文由页面的设计，对用户行为数据的搜集与分析，以及数据分析时选取合适的算法三部分构成，第三部分的算法是采用叠加的组合算法，即基于内容的推荐算法和基于用户的协同过滤算法相组合 。

具体方案：

4. 参考文献

[1] 曾子明等，《信息推荐系统》[m]，北京，科学出版社，2013.5

[2]dietmar jannach等，《recommender systems》[m],译.蒋凡，人民邮电出版社，2013.6.25

[3] 殷剑宏，《离散数学》[m]，北京，机械工业出版社，2013.5.