个性化推荐系统的关键技术主要包括：用户模型、推荐系统使用的推荐算法。其中，与用户模型相关的主要是数据，该部分涉及数据建模、用户建模通过对数据获取、预处理、传输和存储，形成用户模型。推荐系统使用的推荐算法主要包括：推荐系统使用的数据挖掘算法、数据挖掘工具、Web挖掘等，其中，日志挖掘是推荐系统使用的关键技术。普通的通用日志格式存在缺失重要信息的问题，不利于深度挖掘，而定制日志格式存在格式不一致的问题，不利于数据集成和数据治理。苏玉召、赵妍主编的《个性化推荐系统关键技术》提出一种定制日志的理论和方法，目的是通过提高数据质量的方法，提升用户建模的准确性和规格化，同时，提高数据集成和数据治理的效率，也便于深度挖掘潜在的价值。

苏玉召、赵妍主编的《个性化推荐系统关键技术》重点阐述个性化推荐系统使用的数据及数据质量，提高数据质量的定制日志数据建模方法，数据挖掘算法和常用的数据挖掘工具。编写《个性化推荐系统关键技术》的目的是：一方面，帮助研究人员和系统开发人员系统地理解个性化推荐系统；另一方面，为解决推荐系统精度和效率难题提供借鉴思路。

1 个性化推荐系统概述 

 1．1 概念界定 

 1．2 相关研究 

 1．3 个性化推荐系统实现方法

2 个性化推荐系统数据模型

 2．1 数据与数据应用

 2．2 数据模型类型

 2．3 数据建模规则

 2．4 数据建模过程

3 个性化推荐系统用户模型

4 数据挖掘与个性化推荐系统

 4．1 数据挖掘

 4．2 Web挖掘

 4．3 个性化推荐系统中的数据挖掘技术 

 4．4 一种智能混合过滤个性化推荐模型 

5 个性化推荐系统中的Web日志挖掘

 5．1 日志数据

 5．2 日志数据预处理

 5．3 定制Web日志数据

 5．4 Web日志挖掘算法和技术

 5．5 日志数据应用

6 个性化推荐系统应用

 6．1 推荐系统组成 

 6．2 推荐技术的发展和应用

 6．3 发展趋势 

参考文献