電子商務推薦系統(tǒng)是解決信息超載的重要技術。協(xié)同過濾作為推薦系統(tǒng)中廣泛使用的、*成功的推薦算法,還存在諸如稀疏性(sparsity)、冷啟動(cold-start)、可擴展性(scalability)等制約其進一步發(fā)展的瓶頸問題?!峨娮由虅胀扑]系統(tǒng)瓶頸問題研究》針對稀疏性問題,提出了非目標用戶類型區(qū)分理論、領域*近鄰理論、基于Rough集理論的用戶評分項并集未評分值填補方法等;針對冷啟動問題,提出了一種冷啟動消除方法,包括用戶訪問項序理論、n序訪問解析邏輯、改進的*頻繁項提取算法IMIEA、用戶訪問項序的Markov鏈模型等;針對可擴展性問題,提出了適應用戶興趣變化的協(xié)同過濾增量更新機制;*后設計并實現(xiàn)了一個電子商務協(xié)同過濾原型系統(tǒng)ECRec。《電子商務推薦系統(tǒng)瓶頸問題研究》可供管理學、計算機科學等相關領域和專業(yè)的高校師生、科研院所研究人員、IT企業(yè)(尤其是電子商務企業(yè))管理者及技術人員參考使用。