如图2中所示，个性化商品推荐服务模型包括6个功能模块和4个信息数据库。
模块设计和分析
用户接口模块：这些接口存在于用户和系统之间，通过这些接口，用户和系统两者之间进行交流。当用户第一次登录到网站，他的基本信息被这个模块记录，而且存储到用户信息数据库中。但是当系统推荐商品信息给用户时，这个模块的功能是为用户的标识进行负责，从而避免推荐的错误。
用户行为分析模块：这个模块的功能是进行过滤和获得内部信息。通过数据挖掘获得用户感兴趣的商品而且据此计算用户的兴趣度。换句话来说，这个模型的主要功能是挖掘用户兴趣。
用户群建立模块：这个模块是用户兴趣数据库和兴趣推荐数据库之间的一座桥梁。这个模块的功能是建立用户群，将兴趣度的相似度很接近的用户划分到一个相同的组中，推荐一个用户感兴趣的商品给其他跟他在同一组中的其他用户。总而言之，这个模块是实现的功能是具有相似兴趣的用户之间的信息共享。
用户信息分析模块：这个模块的主要功能是获得用户的基本信息之间的相似点，然后将数据提供给兴趣推荐数据库。
信息推荐模块：这个模块主要是负责前摄地设计推荐信息，设计推广时间，信息量和推荐的模式。这个模块和用户接口模块合作，完成信息推荐的最后的任务。
反馈统计模块：这个模块是用计算用户对于推荐信息的反馈度。
用户信息数据库：用于存储用户基本信息，如用户姓名和密码。主要用于检验信息工作，而且向用户接口模块提供数据。
用户行为数据库：用于存储用户浏览历史，包括浏览时间，频率，内容以及会员购物历史，包括购买的商品和商品的类型。同时，用户每个从网站接受推荐信息的时间需要被记录。例如，在什么时间，用户然后接受推荐商品信息，同时用户的反馈信息也需要被记录下来。
用户兴趣数据库：用于存储对用户行为分析的结果。包括用户感兴趣的商品和与之相配的兴趣度，同样用户感兴趣的商品的类型和他的兴趣度。他们相关联的存储在两张表中，为用户群建立和推荐度计算提供数据支持。
兴趣度推荐数据库：用于存储兴趣推荐列表文件。为信息推荐模块提供数据支持。
4. 总结
在B2C网站的个性化商品推荐服务实现的过程中，有两个主要关键点，一个是发现用户的兴趣，另外一个是及时地提供给顾客相关的商品信息，最终达到满足用户的潜在需求。
这篇文章研究的重要意义是解决商品信息和用户需求之间的不一致问题。考虑到不同用户不同的需求，提出了“一对一服务”的观念。与此同时，还要提出想法和方法解决这个问题。
如今，在这个信息社会，个性化信息服务企业正在快速发展和膨胀，而且在逐渐增加他的应用领域范围。
感谢
这份研究受到中国国家自然科学基金的拨款支持。
参考文献
【l】HE Ying，JIANG Waiwen(2007)．An E-commerce Recommend System based on User Browse Behavior's Mining．Computer Knowledge and Technology(Academic Exchange)，12-027(in Chinese)
【2】 LIANG Wei，ZHANG Hui-ying(2006)．Study of Recommendation Models in E-Commerce Recommendation Systems．Computer Engineering and Applications，36-055(in Chinese) 【3】ZHANG Zhao，Xia Guo-ping，LI Xue-feng(2007)．Personalized Recommendation System in E-commerce Based on Case-based Reasoning．Computer Engineering．20一067(in Chinese) 【4】 Ziegler, C，Mcnee， S,Konstan， J,Lausen，G (2005)． Improving recommendation
lists through topic diversification．Proceedings of International World Wide Web Conference．Chiba,Japan：ACM Press．22-32． 【5】Balabanovic M．Recommender systems(1997)．Communications of the ACM，40(3)：56-58
【6】CooleyR，Mobasher B etal(1999)．Data preparation for mining World Wide Web browsing patterns．Knowledge and Information Systems．1 1，1(1)：17—24． 【7】L Catledge，J Pitkow(1999)．Chamcterizillg Browsing Behavior On the World Wide web .Computer Networks and ISDN Systems，256，25(6)：20—24． 【8】Cooley R，MObashcr B，Srivastava J(1997)．Web mining：Information and pattern discovery On the World Wide Web．In：Proc of the 9th Int’ 1 Conf on Tools with Artificial Intelligence（CTAI’97)．CA,558,-,567．