隨著互聯(lián)網的普及和電子商務的發(fā)展，電子商務的推薦系統(tǒng)逐漸成為電子商務IT 技術的一個重要研究內容，越來越多地得到研究者的關注。下文是學習啦小編為大家整理的關于電子商務系統(tǒng)畢業(yè)論文的范文，歡迎大家閱讀參考!

　　電子商務系統(tǒng)畢業(yè)論文篇1

　　淺談電子商務系統(tǒng)審計

　　當前， 電子商務的應用越來越廣泛，電子商務系統(tǒng)審計的內容就是對電子商務系統(tǒng)的安全性和可靠性的核實確認。國際內部審計師協(xié)會最新和控制 報告中指出：電子商務的定義是 網絡 方式或PDF交貨方式，審計的定義是指核查(核實查處)確認，是基于系統(tǒng)本身的可審計性和控制程序。審計模塊設計是審計成功與否的關鍵，根據(jù)審計模塊和風險 分析 向 管理層提供審計報告。由于高 科技 的 發(fā)展 ，管理層需要對一些不可測量的、無形的資產范疇如 信譽、客戶服務滿意度等進行評估，用戶需要查詢網站的商標或其他經第三方確認過的真實性，因此，是對網站或電子商務 企業(yè) 提供這類核查確認的服務。

　　一、必然性和必要性

　　在商業(yè)活動實現(xiàn)網絡化之前，采購是面對面或通過紙質文件進行的，有跡可查，即使是電子交易，其設備結構是專用的，一般只限于已知用戶使用，任何外部用戶必須是已知的、身份明確的、可追蹤的;系統(tǒng)通常是主機結構方式，相對易于監(jiān)督、控制和審計。與傳統(tǒng)商業(yè)相比，萬維網客戶/服務器系統(tǒng)的特點是高度分散，資源共享、服務分散、顧客透明度高等，而電子商務的運作速度更快、業(yè)務循環(huán)周期更短、風險更大、更高程度地依賴于技術。電子商務系統(tǒng)的技術基礎和市場的快速變化意味著傳統(tǒng)的衡量 方法 已不再適用于企業(yè)的某些資產，財務報告不能充分提供企業(yè)的狀況和價值方面的信息，特別是網絡企業(yè)的無形資產，如商譽、客戶忠誠度和滿意程度等這些產生長期價值的關鍵資產。

　　核實確認這類資產價值的困難在于缺乏足夠的 歷史 數(shù)據(jù)、合適的參照標準、先進的 實踐 經驗以及對網絡的各種威脅和概率的準確估算。企業(yè)管理層以及公眾都需要尋找能夠用以表述網絡企業(yè)的可信度、安全性及其他資產價值的方法，需要一些新的核查和審計方法，更有效地評價無形資產，如知識、品牌等。因此，就成為歷史的必然。

　　由于，電子商務的可靠性、適用性、安全性和性能等方面受到的威脅或存在的風險，都可能會 影響 其生存和發(fā)展。風險因素包括：商業(yè)信息的泄露、智能財產的不當使用、對版權的侵犯、對商標的侵犯、網絡謠言和對信譽的損害等。因此，進行必要和客觀的審計，才會使董事會、審計委員會、高級管理層對電子商務系統(tǒng)的安全運作和效益滿意和放心。

　　二、網絡風險和風險管理

　　網絡風險如同自然災害一樣不可預見。風險管理的關鍵在于風險評估，風險評估就是要分析和衡量風險事件發(fā)生的概率及后果，引起風險的因素及其關聯(lián)因素，出現(xiàn)風險的關鍵點采取什么方法能夠減緩風險，風險出現(xiàn)造成后果如何，以及評價管理層是否履行了應有的 職業(yè)審慎進行防范和控制。同時在評估中還要為各項因素設計評價比率， 計算 各種風險的影響后果，根據(jù)影響和后果排序，對高風險因素作進一步的分析。

　　通過風險評估，可以認識到潛在風險(威脅)及其影響，以便對高風險領域作一些防范、檢測、控制、減緩和恢復的 工作 計劃和安排。這些計劃和安排應涵蓋對各項控制成本，主要是指接受、避免、轉移、監(jiān)測成本的分析以及各項工作的先后次序。

　　三、中網站的合法性證明

　　網絡終端用戶都會關注網站是否來自一個真實的、可靠的機構，提供的信息是否準確真實，機構背景是否正當合法，個人信息的隱私權是否得到保護等。所謂隱私權是指對個人的數(shù)據(jù)/信息的搜集必須合法、公平，必須用于某一特定、公開的目的，必須取得該個人的同意并受到保護，本人必須有權進入系統(tǒng)進行修改或刪除，信息的越域流動和將來的使用、披露必須予以安全保證和限制等。

　　解決這些網站合法性 問題 的途徑之一就是由一公證機構提供可靠的證明，以使 網絡 終端用戶能對網站提供的 電子 商務放心。如Verisign， TRUSTe，BBB Online ，Web Trust ，SysTurst等都是具有良好的 信譽并且提供證明-查證服務的專業(yè) 組織機構。網絡終端用戶可以通過查詢這些公證機構的記錄，獲得確認被訪問網站的名稱、有效狀態(tài)、服務器標識等信息。

　　四、內部審計和電子商務

　　美國注冊會計師協(xié)會對“核實查證”的定義是“提高決策者所需要信息的質量或 內容 的獨立性專業(yè)服務。”其審計原則是保證系統(tǒng)的可用性、安全性、真實完整性和持續(xù)性，建議對系統(tǒng)安全性和真實完整性方面存在的控制點進行檢查、評價和測試。并盡量在今后采用合適的審計標準對信息技術進行審計。不同于以年度為基礎的傳統(tǒng)外部審計，電子商務的實時性要求審計人員應對其進行連續(xù)不斷的評估，按特定的審核標準對已發(fā)生的交易進行追蹤，而系統(tǒng)內設置的自動登錄記錄可作為相應的審計軌跡，在系統(tǒng)內部實施對事件監(jiān)督和控制。

　　盡管當前許多人認為核實查證通常與外部審計人員相關，內部審計人員則在公司內部出具審計 報告。然而，國際內部審計師協(xié)會對的要求則是：審計控制目標主要是審計財務報告制度、經營的效益和效率、合規(guī)性和保護財產安全等方面。審計模式應該建立在系統(tǒng)的可用性、容量、功能、保護和可靠性的基礎上。例如，內部審計對網絡 企業(yè) 控制水平的獨立評價，使得客戶了解到企業(yè)提供的數(shù)據(jù)將不會被有意或無意地濫用。再如，企業(yè)目標是建立電子商務以降低成本、提高市場占有率，那么電子商務風險是隨著網絡交易的增加而增加，以至于不能確保交易的安全性或分辨用戶的可靠性，因此，所需要的控制就是對用戶的真實性進行確認以及對通訊信息進行加密。

　　電子商務的成功與否在于審計人員是否掌握相關的技術知識，了解商業(yè)風險及風險 管理策略，是否有現(xiàn)成的策略隨時應付出現(xiàn)的風險。因此，作為一個成功內部審計人員應了解企業(yè)的業(yè)務，以服務為宗旨并努力增值，積極提高專業(yè)技能，關注系統(tǒng)的效率和效益，建立對電腦領域 發(fā)展 的 職業(yè)敏感性。

　　五、關注電子商務系統(tǒng)的審計風險

　　審計前，管理層有責任告知審計人員有關公司政策、 實踐操作、程序、控制方面的重要改變，使審計人員能基于真實情況 分析 和 計劃各項審核 工作，分解審計項目的各組成部分。審計過程中，審計人員應與管理層公開分享所有發(fā)現(xiàn)的問題，討論應采取的措施。為了分析電子商務系統(tǒng)，審計人員要有經常進入系統(tǒng)的特權，并申明權限的使用是為了審核工作，并承擔不當使用的責任。如果企業(yè)不愿提供必要的進入系統(tǒng)的權限，審計人員應評估這種情況下風險。進行風險評估時，審計人員必須置身于公司的風險狀態(tài)下，充分考慮審計風險：如在公司有重大偏差時，作出無偏差的審計結論;客戶風險-在審計后發(fā)生公司經營滑坡或不能持續(xù)經營;以及審計人員將面臨 財政、 法律 或信譽上的損失。

　　電子商務系統(tǒng)畢業(yè)論文篇2

　　淺析電子商務推薦系統(tǒng)

　　[摘 要] 隨著互聯(lián)網的普及和 電子 商務的 發(fā)展 ，商品推薦系統(tǒng)逐漸成為電子商務IT技術的一個重要研究內容，越來越多地 受到研究者的關注。本文探討了電子商務系統(tǒng)的構成、研究內容、研究現(xiàn)狀，分析了目前有的推薦系統(tǒng)存在的缺陷和問題，提出了未來電子商務推薦系統(tǒng)研究的發(fā)展方向。

　　[關鍵詞] 電子商務;推薦系統(tǒng);協(xié)作過濾;個性化推薦

　　隨著互聯(lián)網的普及和電子商務的發(fā)展，商品推薦系統(tǒng)逐漸成為電子商務IT 技術的一個重要研究內容，越來越多地得到研究者的關注。目前，幾乎所有大型的電子商務系統(tǒng)，如Amazon、CDNOW、eBay、當當網上書店等，都不同程度地使用了各種形式的推薦系統(tǒng)。

　　而且現(xiàn)在電子商務系統(tǒng)規(guī)模的進一步擴大，用戶數(shù)目和項目數(shù)據(jù)急劇增加，迫切需要相應信息檢索技術產生。商品個性化推薦技術，尤其是協(xié)同過濾技術，構成了現(xiàn)有電子商務個性化推薦系統(tǒng)的基礎。在這里，之所以強調個性化，是因為需要推薦系統(tǒng)能為每個用戶推薦適合他們偏好和興趣的產品，而不是千篇一律的推薦。

　　一、電子商務推薦系統(tǒng)及構成

　　電子商務推薦系統(tǒng)(Recommendation Systems for E-Commerce)定義是：“它是利用電子商務網站向客戶提供商品信息和建議，幫助用戶決定應該購買什么產品，模擬銷售人員幫助客戶完成購買過程”。

　　推薦系統(tǒng)面對的是用戶(user)，任務是為用戶提供對項目(item)的推薦。用戶是指推薦系統(tǒng)的使用者，也就是電子商務活動中的客戶。項目是被推薦的對象，是指電子商務活動中提供給客戶選擇的產品和服務，也就是最終推薦系統(tǒng)返回給用戶的推薦內容。在一個電子商務活動中，用戶數(shù)和項目數(shù)是非常多的。推薦系統(tǒng)面對的當前用戶，稱為目標用戶或者活動用戶。推薦系統(tǒng)的當前 工作，就是為根據(jù)一定的算法，給出對目標用戶的推薦項目。

　　電子商務推薦系統(tǒng)主要由三大部分構成：輸入模塊、推薦方法模塊和輸出模塊。輸入模塊用來接受用戶的輸入信息，用戶的輸入信息中最重要的是用戶對項目的評價(rating)數(shù)據(jù);推薦方法模塊用來根據(jù)一定算法，根據(jù)用戶數(shù)據(jù)，得出對目標用戶的推薦，該模塊是整個推薦系統(tǒng)的核心部分，個性化推薦方面的研究的很大一部分，都集中在找到好的推薦方法。輸出模塊主要是指得到的推薦以何種形式反饋給用戶。

　　根據(jù)項目的特點，目前主要有兩種類型的推薦系統(tǒng)，一種是以網頁為對象的個性化推薦系統(tǒng)，主要采用Web數(shù)據(jù)挖掘的方法與技術，為用戶推薦符合其興趣愛好的網頁;另一種是網上購物 環(huán)境下的、以商品為推薦對象的個性化推薦系統(tǒng)，為用戶推薦符合其興趣愛好的各類產品，如各種書籍，音像等，這種推薦系統(tǒng)也稱電子商務個性化推薦系統(tǒng)。

　　二、電子商務個性化推薦系統(tǒng)的作用

　　電子商務推薦系統(tǒng)的最大的優(yōu)點在于它能收集用戶興趣資料并根據(jù)用戶興趣偏好為用戶主動作出個性化的推薦，也就是說，當用戶每次輸入用戶名和密碼登錄電子商務網站后，推薦系統(tǒng)就會按照目標用戶偏好程度的高低推薦用戶最喜愛的N個產品，而且系統(tǒng)給出的推薦是實時更新的，也就是說當系統(tǒng)中的產品庫和用戶興趣資料發(fā)生改變時，給出的推薦序列會自動改變，大大方便了用戶，也提高了 企業(yè) 的服務水平。

　　總體說來，電子商務推薦系統(tǒng)的作用主要表現(xiàn)在以下幾個方面：一方面，使用戶從無限的 網絡 資源和商品世界中解脫出來，大大節(jié)約了用戶采購商品的時間和成本;與此同時，推薦系統(tǒng)的個性化推薦服務，提高了客戶對電子商務網站的忠誠度(Building Loyalty)，將更多的電子商務網站瀏覽者轉變?yōu)樯唐返馁徺I者，從而提高電子商務網站的交叉銷售能力(Cross-Selling)，為電子商務企業(yè)贏得了更多的發(fā)展機會。

　　研究表明，在基于電子商務的銷售行業(yè)使用個性化推薦系統(tǒng)后，能提高銷售額2%-8%，尤其在書籍、電影、CD音像、日用百貨等產品相對較為低廉且商品種類繁多的行業(yè)，以及用戶使用個性化推薦系統(tǒng)的程度高的行業(yè)，推薦系統(tǒng)能大大提高企業(yè)的銷售額。

　　電子商務推薦系統(tǒng)和銷售系統(tǒng)(Marketing Systems)、供應鏈決策支持系統(tǒng)(Supply-Chain Decision-Support Systems)既相似又有不同。銷售系統(tǒng)是幫助銷售人員如何把產品銷售出去;推薦系統(tǒng)最終目的幫助用戶，輔助用戶購買什么產品做出決策。供應鏈決策支持系統(tǒng)是幫助生產者決定什么時候生產多少什么產品，以及倉庫應該存貯多少各類產品，其最終目的是為企業(yè)生產者服務的，而同樣推薦系統(tǒng)是面向用戶的系統(tǒng)。

　　三、電子商務個性化推薦系統(tǒng)的研究內容

　　電子商務個性化推薦的研究有四方面的問題：首先，要解決推薦系統(tǒng)的信息來源問題——推薦系統(tǒng)的基礎是用戶興趣資料信息，如何在電子商務環(huán)境下盡可能獲得更多用戶的相關信息，并以合適的形式表示是進行個性化推薦的前提;其次，要實現(xiàn)被顧客接受和認可的個性化推薦，設計準確、高效率的個性化推薦算法是核心;另外，要讓推薦系統(tǒng)為廣大用戶所接受，必須對推薦系統(tǒng)作出客觀、綜合的評價，尤其要注意從準確率、個性化、安全性、用戶滿意度等多方面進行評價;推薦系統(tǒng)的 應用是最終研究的落腳點，推薦系統(tǒng)不僅能為用戶提供完全個性化購物環(huán)境，更應為企業(yè)的銷售決策和客戶關系 管理提供支持。

　　在電子商務環(huán)境下，用戶信息收集表示是電子商務個性化推薦的基礎。根據(jù)當前對電子商務環(huán)境下用戶信息收集表示的研究來看，主要著眼于研究如何有效地收集能反映用戶興趣偏好的信息，以及如何通過網絡數(shù)據(jù)挖掘等的方法更自動化地收集用戶的隱式信息，解決用戶信息收集過多的依賴于顯式評價數(shù)據(jù)的問題。

　　個性化推薦技術是電子商務自動化推薦系統(tǒng)的核心問題。目前的推薦技術有協(xié)同過濾推薦(包括基于用戶的和基于項目的)、基于用戶人口 統(tǒng)計信息的推薦、基于內容的推薦、基于效用的推薦、基于知識的推薦、基于規(guī)則的推薦等等。

　　協(xié)同過濾推薦是個性化推薦中研究和應用最多的方法，廣泛應用于電子商務網站、數(shù)字圖書館、網頁搜索、新聞過濾等，著名的推薦系統(tǒng)有Tapestry、GroupLens/NetPerceptions、Ringo/Firefly等，其前提假設是存在具有相似興趣愛好的用戶群，每個用戶都有與其興趣愛好相似的鄰居用戶。預測用戶對某一項目的偏好是根據(jù)鄰居用戶對該項目的偏好程度 計算 的，也就是說如果其鄰居用戶喜愛某項目，則該用戶也很可能會喜愛該項目。協(xié)同過濾最大優(yōu)點是不需要分析對象的特征屬性，所以對推薦對象沒有特殊的要求，能處理非結構化的復雜對象，如 音樂 、電影等。

　　對推薦系統(tǒng)總體性能的評價是推薦系統(tǒng)研究的重要組成部分。目前大都只是采用準確率、召回率等評判尺度對推薦算法進行評價，并沒有真正意義上的、提升到對整個推薦系統(tǒng)進行的評價，尤其缺乏從個性化程度、持久性程度、系統(tǒng)的安全性以及用戶接受程度等多方面對推薦系統(tǒng)進行綜合的評價。

　　四、研究現(xiàn)狀

　　推薦行為產品或其它項目的 軟件代理已經在許多應用中使用在電子商務領域，為了增加購買 經驗并滿足客戶需求，已經推出了充分利用消費者的訪問和購買行為的推薦系統(tǒng)。推薦者通常通過給用戶展示他們可能感興趣的產品或服務來促進購買。例如，諸如Amazon.com就是通過利用偏好或其他用戶購買信息來介紹書籍或者其它產品給用戶的推薦系統(tǒng)。然而，使用的技術相當簡單，而且并非很精確和有效。

　　基本上，程序將當前客戶購買的一系列產品與其他客戶購買的一系列產品作比較，選擇客戶購買較多的產品與當前客戶購買的產品集合的交集，最后從中選出一些尚未被客戶所購買而仍然在顧客購物籃中的產品，并將它們作為推薦列表呈現(xiàn)給客戶。該技術也用于類似于協(xié)作過濾的文本文檔的信息抽取。電影或音樂唱片的推薦，例如Moviefrnder.com，通過預知一個人的偏好與其他人偏好的線性權重集合，并運用協(xié)作過濾技術來實現(xiàn)。

　　對于推薦系統(tǒng)的研究可分為三個種類：技術系統(tǒng)開發(fā)研究，用戶行為研究和隱私問題研究。其中技術系統(tǒng)開發(fā)是重點。目前各種推薦技術，例如數(shù)據(jù)挖掘，代理和推理，都已經 應用到了推薦系統(tǒng)中?，F(xiàn)存的推薦系統(tǒng)從廣義上可以劃分為基于規(guī)則的系統(tǒng)和信息過濾系統(tǒng)。信息過濾系統(tǒng)又可分為基于內容過濾的系統(tǒng)和協(xié)作過濾系統(tǒng)兩種。

　　基于規(guī)則的系統(tǒng)，N1如：IBM的WebSphere， BroadVi-sion， ILOG等。他們允許系統(tǒng) 管理員根據(jù)用戶的靜態(tài)特征和和動態(tài)屬性來制定規(guī)則，一個規(guī)則本質上是一個if-then語句，規(guī)則決定了在不同的情況下提供不同的服務?；谝?guī)則的系統(tǒng)，其優(yōu)點是簡單、直接，缺點是規(guī)則質量很難保證，而且不能動態(tài)更新。此外，隨著規(guī)則的數(shù)量增多，系統(tǒng)將變得越來越難以管理。

　　基于內容過濾的系統(tǒng)，例如：Personal WebWather， SysKill&Webert， Letizia， CiteSeer， if Web， SIFTER， PVA， WebMate， WebACE， ELFI和WebPersonalizer等。他們利用資源與用戶興趣的相似性來過濾信息?；趦热莸耐扑]系統(tǒng)通過將顧客的偏好與產品內容自動匹配來給顧客提供建議，例如網頁和消息條目的推薦。在基于內容的系統(tǒng)中，產品由其普通屬性描述。顧客偏好通過分析產品比率以及相應的產品屬性來預測。

　　基于內容過濾的系統(tǒng)，其優(yōu)點是簡單、有效。缺點是難以區(qū)分資源內容的品質和風格，而且不能為用戶發(fā)現(xiàn)新的感興趣的資源，只能發(fā)現(xiàn)和用戶已有興趣相似的資源。在基于內容的推薦系統(tǒng)中，一個核心問題是識別關鍵屬性集合。如果該集合太小，顯然，這對于識別用戶剖面是不充分的。因此，基于內容的推薦系統(tǒng)不能用于僅僅實施一次購買行為新顧客，或者訪問了該網站，卻沒有實施任何購買行為的潛在顧客，以及購買他不是特別經常購買的一種產品的顧客。

　　協(xié)作過濾系統(tǒng)如：WebWather， Let'sBrowse， Tapestry， GroupLens， Fab，Alexa， Firefly， SELECT， LikeMinds和Site-Seer等。他們利用用戶之間的相似性來過濾信息。協(xié)作性的推薦系統(tǒng)估計顧客對特定產品的偏好是根據(jù)顧客對該產品的偏好率以及其他顧客對同一產品的偏好率的比較來實現(xiàn)的。協(xié)作性的推薦系統(tǒng)與基于內容的推薦系統(tǒng)之間的主要區(qū)別是協(xié)作性的推薦系統(tǒng)通過跟蹤一組顧客過去的行為來給該組中的個別顧客提供建議。使用該方法，顧客現(xiàn)在就可以接受建議，而在基于內容的推薦系統(tǒng)中，只要具有相似意向的其他顧客的偏好，顧客就己經具有先前預測了。

　　基于協(xié)作過濾系統(tǒng)的優(yōu)點是能為用Web數(shù)據(jù)挖掘的研究及其在 網絡 學習個性化推薦中的應用戶發(fā)現(xiàn)的新的感興趣的信息，缺點是存在兩個很難解決的問題，一個是稀疏性，亦即在系統(tǒng)使用初期，由于系統(tǒng)資源還未獲得足夠多的評價，系統(tǒng)很難利用這些評價來發(fā)現(xiàn)相似的用戶;

　　另一個是可擴展性，亦即隨著系統(tǒng)用戶和資源的增多，系統(tǒng)的性能會越來越低。協(xié)作性的過濾方法用來識別與既定客戶具有相似興趣的顧客，所推薦的產品也是這些給定客戶喜歡的產品。該方法的一個主要局限是稀疏問題。在基于協(xié)作過濾的推薦系統(tǒng)中，很難精確確定下相似客戶和識別要推薦的產品。不僅如此，系數(shù)問題的極端形式是first-rater問題，當市場引入一種新產品時，不存在可用的先前估計信息。

　　還有一些個性化服務系統(tǒng)如：WebSIFT， FAB， Anatagon-omy和Dynamic Profiler等，同時采用了基于內容過濾和協(xié)作過濾這兩種技術。結合這兩種過濾技術可以克服各自的一些缺點，為了克服協(xié)作過濾的稀疏性問題，可以利用用戶瀏覽過的資源內容預期用戶對其他資源的評價，這樣可以增加資源評價的密度，利用這些評價再進行協(xié)作過濾，從而提高協(xié)作過濾的性能。

　　近來，許多因特網公司還引進了有關信息產品的推薦系統(tǒng)，它包括Web站點推薦， 音樂 推薦，視頻推薦，書籍推薦等等。因特網行銷代理機構運用推薦系統(tǒng)對某一廣告公司推薦用戶。

　　亞馬遜通過將書籍推薦給已經購買過特定書籍的顧客實現(xiàn)個性化推薦的。亞馬遜所推薦書籍概括的分為有兩種：小說書籍和非小說書籍。小說書籍的推薦很簡單，就是將同一作者的其它小說書籍推薦給特定用戶，這樣最終就將由該作者撰寫的相似類別的小說書籍推薦給了有相似背景的用戶。而非小說書籍的推薦將是將每個作者的相似類別的小說書籍推薦給了有相似背景的用戶。

　　五、 電子 商務推薦技術存在的問題和 發(fā)展 方向

　　綜合目前電子商務中個性化推薦系統(tǒng)的現(xiàn)狀可以看出，現(xiàn)存的個性化推薦系統(tǒng)技術大都是基于規(guī)則的系統(tǒng)，基于內容過濾的系統(tǒng)，以及協(xié)作過濾系統(tǒng)三種。而且，這些個性化推薦系統(tǒng)所運用的技術也僅僅限于基于內容的過濾，KNN(L- Nearest N Eighboring)技術，基于聚類的(Clustering-based)協(xié)作過濾，基于項目的(Item-based)協(xié)作過濾，序列模式，規(guī)則分析等等。由于這些推薦系統(tǒng)各自應用范圍的局限，而且都不同程度的需要人工參與，因而導致目前推薦系統(tǒng)的推薦精確度較低。不僅如此，大多數(shù)個性化推薦系統(tǒng)只是給用戶推薦一些不同類別的資源，這與普通的搜索引擎比較相似，而且對用戶正確行為的推薦卻比較少。

　　未來電子商務推薦技術研究的發(fā)展主要體現(xiàn)在以下幾個方面：

　　1.組合推薦技術的研究

　　眾所周知，現(xiàn)存的推薦技術已經得到推廣和應用，但各種技術都存在一些缺陷，能否將各種推薦技術融合起來作到取長補短是未來電子商務推薦技術研究的重要課題。

　　2.推薦技術準確度的研究

　　目前的推薦技術推薦的準確性還得不到保證，準確度的研究還局限在手工實驗階段，因此，研究出自動的準確性驗證理論模型就顯得非常重要。

　　3.數(shù)據(jù)獲取方面，主要還是依賴用戶的顯式評價，在自動獲得用戶的隱式信息方面做得不夠。

　　4.研究過于集中解決推薦算法性能的提高，對推薦系統(tǒng)的開發(fā)與應用，尤其是與 企業(yè) 其它系統(tǒng)的集成應用，在輔助企業(yè)的市場銷售，客戶管理和企業(yè)商務智能方面缺乏研究。

　　參考 文獻 ：

　　[1]Coo ley R， Mobasher B， Srivastava J. Data p repara2t ion fo r m ining wo rld w ide W eb brow sing pat terns.Journal of Know ledge and Info rmat ion System s， 1999(1) ： 230～241

　　[2]Goldberg D， Nichols D， Oki BM， Terry D. Using col-laborative filtering to weave an information tapestry. Communi-cations of the ACM， 1992，35(12)：61～70.

　　[3]Resnick and Varian.Recommendation systems Commu-nications of the ACM， 40(3)： 56 C58， 1997.98-122

　　[4]R.D.Lawrence，G.S.Almasi，V.Kotlyar，M.S.Viveros， S.S.Duri，Personalization of supermarket product recommenda-tions， IBM Research Rport，2000.43-75.

　　[5]鄧愛林，朱揚勇，施伯樂.基于項目評分預測的協(xié)同過濾推薦算法[J]. 軟件學報，2003，(9) .

　　[6]曾春，邢春曉，周立柱.個性化服務技術綜述[J].軟件學報，2002，(10).

　　[7]趙亮，胡乃靜，張守志.個性化推薦算法設計[J]. 計算 機研究與發(fā)展，2002，(8).