摘要：隨著電子商務(wù)技術(shù)的飛速發(fā)展,用戶量劇增。利用使用者在電商平臺(tái)上的瀏覽痕跡對(duì)用戶行為進(jìn)行分析,實(shí)現(xiàn)商品的精準(zhǔn)推薦,已經(jīng)成為電子商務(wù)的一個(gè)熱點(diǎn)應(yīng)用技術(shù)和領(lǐng)域。用戶行為的有效分析強(qiáng)烈地依賴對(duì)用戶屬性、行為和期待數(shù)據(jù)畫(huà)像的精準(zhǔn)刻畫(huà)。然而,就目前的方法和技術(shù)而言,在數(shù)據(jù)畫(huà)像模型的表現(xiàn)能力和推薦算法的處理效率方面還有許多技術(shù)挑戰(zhàn)。面對(duì)上述挑戰(zhàn),利用數(shù)據(jù)畫(huà)像和數(shù)據(jù)畫(huà)像概率分配模型等概念,提出基于貝葉斯網(wǎng)絡(luò)的預(yù)測(cè)推薦算法,通過(guò)構(gòu)建用戶行為的先驗(yàn)概率計(jì)算可能產(chǎn)生消費(fèi)的后驗(yàn)概率。對(duì)信用卡APP的真實(shí)瀏覽日志數(shù)據(jù)進(jìn)行測(cè)試,驗(yàn)證了該算法的可行性和有效性。實(shí)驗(yàn)表明,基于貝葉斯網(wǎng)絡(luò)的推薦算法有著高于傳統(tǒng)營(yíng)銷模型的準(zhǔn)確性。