个性化推荐系统是互联网和电子商务发展的产物，它是建立在海量数据挖掘基础上的一种高级商务智能平台，向顾客提供个性化的信息服务和决策支持。近年来已经出现了许多非常成功的大型推荐系统实例，与此同时，个性化推荐系统也逐渐成为学术界的研究热点之一。 [1 个性化推荐系统的基本框架如下： 参考国内最具代表性的百分点推荐系统框架来讲，个性化推荐系统的推荐引擎在个性化算法的框架基础之 百分点个性化推荐系统框架 百分点个性化推荐系统框架 上，还引入场景引擎、规则引擎和展示引擎，形成全新的百分点推荐引擎的技术框架，系统通过综合并利用用户的兴趣偏好、属性，商品的属性、内容、分类，以及用户之间的社交关系等等，挖掘用户的喜好和需求，主动向用户推荐其感兴趣或者需要的商品。 基于云计算的个性化推荐平台。消除数据孤岛，建立基于用户全网兴趣偏好轨迹的精准云计算分析模型，打通用户在多个网站的兴趣偏好，形成成用户行为偏好大数据中心。 多种智能算法库。基于多维度的数据挖掘、统计分析，进行算法模型的建立和调优。综合利用基于内容、基于用户行为和基于社交关系网络的多种算法，为用户推荐其喜欢的商品、服务或内容。 (一)新闻推荐 新闻推荐，包括传统新闻、博客、微博、RSS等新闻内容的推荐，一般有三个特点。 (1)新闻的item时效性很强，更新速度快。 (2)新闻领域里的用户更容易受流行和热门的item影响。 (3)新闻领域推荐的另一个特点是新闻的展现问题。 (二)电子商务推荐 电子商务推荐算法可能会面临各种难题，例如：①大型零售商有海量的数据，以千万计的顾客，以及数以百万计的登记在册的商品；②实时反馈需求，在半秒之内，还要产生高质量的推荐；③新顾客的信息有限，只能以少量购买或产品评级为基础；④老顾客信息丰富，以大量的购买和评级为基础；⑤顾客数据不稳定，每次的兴趣和关注内容差别较大，算法必须对新的需求及时响应。 解决电子商务推荐问题通常有三个途径：协同过滤；聚类模型；基于搜索的方法。 (三)娱乐推荐