在大数据的社会背景下，网上购物、观看视频、聆听音乐、阅读新闻等各个领域无不充斥着各种推荐。所谓个性化推荐就是根据用户的兴趣特点和购买行为，向用户推荐感兴趣的信息和商品。

在当前Web 2.0时代，随着电子商务规模的不断扩大，商品数量和种类快速增长，顾客需要花费大量的时间才能找到自己想买的商品，出现了所谓的信息超载问题。为了解决这个难题，个性化推荐系统应运而生。个性化推荐系统通过分析用户的行为，发现用户的个性化需求、兴趣等，然后将用户感兴趣的信息、产品推荐给用户。不仅满足了用户本质的信息诉求，也最大化了企业的自身利益，所以个性化推荐蕴含着无限商机。

电子商务网站亚马逊曾宣称，亚马逊有20%～30%的销售来自于推荐系统。其最大优势就在于个性化推荐系统，该系统让每个用户都能有一个属于自己的在线商店，并且在商店中能招到自己最感兴趣的商品。

推荐系统的本质其实就是通过一定的方式将用户和喜欢的物品联系起来，江西光谷拥有雄厚的研发推荐系统的技术积累。首先基于用户历史行为的进行挖掘分析，得到刻画用户本质需求的一组属性集合，即得到用户模型，采用多种方式进行量化。建立用户/商品/店铺之间的关联图谱，以关联规则形式提高用户惊喜度/满意度，避免推荐系统带给用户的烦扰，让用户有流畅舒心的购物体验，提高用户的平台体验感。

基于关联规则的推荐，是以关联规则为基础，分析用户已经选择的项目与未选择项目之间的关联性得出最后的推荐结果。关联规则推荐的典型例子是购物篮分析，该推荐方法通过发现顾客放入其购物篮中不同商品之间的联系，分析顾客的购买习惯。例如买面包的顾客，还会购买牛奶。通过了解哪些商品频繁地被顾客同时购买，可以把相关的产品摆在一起，达到促销的目的。

基于知识推理的推荐是数据挖掘技术在个性化推荐系统中的应用，它不参考用户对于项目的偏好，而是依据某种知识或者推理来进行推荐。具体地，通过对数据库中数据进行分析，发现信息中隐含的有价值的知识，或者在用户和待推荐对象之间构建推理，来进行推荐。此外，基于知识推理的推荐系统还可不断学习用户对推荐的反馈情况，从而达到更高的推荐质量。

除此以上这些，还有基于信任网络的推荐系统、上下文感知推荐系统、基于网络结构的推荐等等。

推荐系统可以更好地发掘信息的长尾（Long Tail）。在传统零售超市里，最热门的少数商品往往摆在最醒目的位置，而大量的冷门商品则放在货架的某个角落。但在电子商务时代，借助于个性化推荐系统，这些冷门商品也终于可以主动被推送到感兴趣用户网页的最醒目位置。