21世纪是信息技术的时代,随着互联网的发展和现代电子商务领域的发展,网络零售商以其产品多样化和快速送货上门的特点融入到人们生活。网络零售商领域存在着长尾效应,即商家销售额的百分之八十来自于其百分之二十的商品,而如果能够提零售商长尾物品的销售,那么网络零售商的营业额将成倍增长,且能满足用户独特偏好。在此背景下,针对提零售商长尾物品的销售数量的研究和挖掘用户独特偏好具有深刻的研究意义,因此,如何让用户使用的个性化推荐系统更加全面的覆盖系统中存在的商品,提高个性化推荐系统的多样性是一个极具挑战的研究课题。本文针对个性化推荐系统中存在的多样性不足的问题,提出了相应的解决方案。主要工作如下:(1)针对个性化推荐系统中存在关注推荐准确度而忽略多样性的问题,提出个性化推荐系统中多样性解决方案设计。通过在一般个性化推荐系统中的核心推荐模块后加入控制阈值排序方法,在常用的核心个性化推荐算的基础上,使用阈值控制法和排序技术重构其推荐列表,该方法能够在较少降低推荐准确度的同时,大幅度提高推荐结果总体多样性。使用该方案对原有个性化推荐系统影响极小,方法灵活且方便扩展,能够与不同的个性化推荐算法结合使用并能够适应不同的个性化推荐系统的设计。(2)针对个性化推荐系统中的长尾效应问题,通过研究长尾物品产生因素,提出与长尾物品相关的排序方法。在网络零售商中,考虑到长尾物品的出现是多种因素的共同结果,通过研究长尾物品出现的原因,总结出有可能表征长尾物品出现的几种因素:物品的流行度,物品的平均评分,物品相对受欢迎程度等,并将这些因素进行量化,使用明确数值来度量这些因素,使其成为基于控制阈值的个性化推荐系统排序方法的基础排序列表。将基础排序列表加入到基于控制阈值的个性化推荐系统排序方法中,通过实验证明了,该方法有助于解决个性化推荐系统中的长尾问题。(3)设计实现一个离线的豆瓣网电影个性化推荐系统,该推荐系统主要有五个模块。在系统环境下,完成了对豆瓣数据的个性化推荐工作,并验证了提出方法的正确性和有效性。