邹煜璇

（北方工业大学 北京 100144）

一、概念

推荐系统（Recommender system）是一种信息过滤技术，能将商品的属性和用户的浏览等输入的信息相结合，利用系统数据库中相似用户的历史数据，通过系统算法过滤其偏好，推荐相应的新消息给用户[1]。推荐系统不但能够减轻消费者搜寻的负担，极大改善了消费体验，提高忠诚度，同时给企业也带来更多利益，因而成为电子商务企业广泛使用的工具之一[2]。互联网的发展带来了网络信息量的激增，推荐系统能够解决信息超载问题，为消费者提供个性化服务，帮助消费者更加快捷高效地找到需要的信息；也能给企业带来更高的客户忠诚度、更好的业绩，具有重要的经济价值。推荐系统能够帮助顾客改善决策质量，实现更好的产品选择，减少用户的搜索精力、决策时间，具有重要的经济价值。

Komiak等（2006）认为，感知个性化意味着推荐系统用于其推荐生成的产品属性偏好将有效地阐明客户的个人需求，并且推荐系统的产品过滤策略和排名计算与客户的个人购物策略是一致的[3]。陈明亮（2009）认为大部分用户对推荐系统的处理逻辑特点并不清楚，能切身体验到的是推荐系统的输出特性[4]。B.Xiao（2007）和W.Wang（2005）认为，推荐内容个性化直接影响消费者对推荐系统的评价，个性化程度越高，消费者认为推荐系统的价值越高，消费者对推荐系统的信任也越强，接受推荐产品的意愿也越强[5]。但逐渐也有少数学者发现，高度个性化的推荐信息并不是一定会得到满意的反馈，消费者对推荐系统的主观感受和评价也会受到其他因素的影响[6]。……