随着信息技术迅速发展电子商务网站如雨后春笋。如今Internet已将人们带入了信息社会和网络经济时代并对企业和人们的日常生活产生了巨大深远的影响。一方面人们可以足不出户的购物、看新闻资讯、看电影等。但另一方面在浩瀚的信息海洋中用户需要浏览许多无关的信息或产品才能找到自己感兴趣的信息,在这过程中被淹没在信息过载问题中的用户不断的流失,为了有效的解决这些问题,个性化推荐系统应运而生。推荐系统根据用户访问行为以及项目之间的相关信息构建用户的兴趣模型,然后使用用户模型对繁杂的信息进行过滤和选择,并向用户推荐其可能感兴趣的项目。如何明确用户(消费者)的偏好是完成推荐的核心问题。个性化推荐可以看作以下三个部分组成：供给方、需求方、供求匹配。其中供给方是指被推荐的对象,即商品、信息、书籍、电影等等；需求方是指需要推荐信息的用户；而供求匹配是联系两者的纽带,是确定用户兴趣模型的方法。现有的研究主要集中在供求匹配上,即推荐方法上。对用户兴趣的建模也主要依靠推荐方法而定。对供给方的研究通常是用户是否购买、浏览、评价过此项目。从系统观点来看,各个组成要素充分的发挥作用以及有机的结合才能使系统发挥更大的作用。对供给方研究的欠缺可能是个性化推荐系统不能实现准确性、实时性、可信性的主要原因,也是降低个性化推荐系统用户满意度的一个主要方面。本文利用用户对商品的排序和商品的属性、水平等信息,结合多属性决策理论确定用户兴趣模型。已知商品排序时用户的偏好(权重)是一凸集,求解该凸集是一个NP-hard问题木文提出逆向加权能求解出多个可行解。针对电子商务网站中商品信息多用文字或图片等形式描述的情况本文提出基于商品排序的用户偏好分析方法研究,并验证了该方法的可靠性和有效性。最后将此方法应用到电影领域建立电影推荐应用实例,构建电影推荐系统架构。设计了用户行为记录模块、推荐算法应用模块、和推荐结果输出模块。通过用户的访问信息和用户的反馈信息,分别获取电影排序应用本文提出的两种方法求出用户偏好。并应用简单加权以用户偏好为权重对备选电影进行排序,选择TOP-N推荐给用户。主要工作如下：1)提出基于逆向加权的用户偏好分析方法基本思想以及方法步骤。2)提出基于商品排序的用户偏好分析方法基本思想以及方法步骤。3)无兴趣偏移和有兴趣偏移时验证方法的可靠性和有效性4)基于以上方法建立电影推荐模型