隨著中國電子商務(wù)的迅猛發(fā)展，越來越多的消費(fèi)者開始習(xí)慣于在網(wǎng)上購買日常用品、家用電器，甚至旅游產(chǎn)品。電子商務(wù)網(wǎng)站的倉庫通常在城市周邊，因此能夠儲(chǔ)備較城區(qū)實(shí)體店更為種類繁多的產(chǎn)品。用戶在網(wǎng)站提交產(chǎn)品搜索后，往往有數(shù)十， 成百，乃至上千的產(chǎn)品可以選擇。 電子商務(wù)網(wǎng)站不可能把所有這些產(chǎn)品選擇都呈現(xiàn)給消費(fèi)者，原因有二：第一，這會(huì)影響網(wǎng)站的搜索響應(yīng)時(shí)間，不但影響用戶體驗(yàn)，而且也增加帶寬需求和網(wǎng)站運(yùn)營成本；第二，研究顯示信息量過大，對電子商務(wù)的轉(zhuǎn)化率（ conversion）不但無益，反而有害，因?yàn)橄M(fèi)者往往會(huì)迷失在海量信息中。在這樣的情況下，如何量化消費(fèi)者對產(chǎn)品各項(xiàng)屬性的喜好，然后從成百上千的產(chǎn)品中挑選若干個(gè)（如 10~20 個(gè)）既多樣化又迎合消費(fèi)者偏好的精品，展現(xiàn)在消費(fèi)者面前，是擺在電子商務(wù)網(wǎng)站面前的一個(gè)亟待解決的問題。 清華大學(xué)自主研發(fā)的電子商務(wù)產(chǎn)品推薦引擎解決方案能夠動(dòng)態(tài)的根據(jù)網(wǎng)站用戶的cookie，歷史訪問記錄，以及當(dāng)前搜索等信息自動(dòng)對網(wǎng)站訪問者進(jìn)行類別區(qū)分，如經(jīng)濟(jì)實(shí)惠型、時(shí)尚新潮型、城市白領(lǐng)型等，然后根據(jù)相應(yīng)的用戶類別進(jìn)行個(gè)性化的產(chǎn)品推薦。 本解決方案的推薦算法基于領(lǐng)先的消費(fèi)者行為模型，能夠自動(dòng)識別產(chǎn)品的相似性，既能推薦熱門產(chǎn)品，又能避免雷同產(chǎn)品在頁面大量重復(fù)。