计算机和Web技术为电子商务提供了一个巨大的信息平台。该平台为商家和顾客提供了便利的手段来发布和获得相关信息，使得电子商务发展迅速。同时，随着其规模的不断扩大，信息的日益膨胀，产生了信息过载的问题。对于顾客来说，很难在短时间内从商家发布的大量的产品信息中发现或找到自己感兴趣的产品；对于商家来说，也很难在如此大的市场中以尽可能小的成本找到自己产品的顾客群。目标营销策略正是为了解决此问题而提出来的。 目标营销涉及到两个对象：顾客和产品。这就引出两种目标营销策略：面向顾客的目标营销和面向产品的目标营销。面向顾客的目标营销主要是向所给定的顾客推荐该顾客最有可能购买的产品。面向产品的目标营销主要是选出最有可能购买所给定产品的顾客。如何利用计算机技术来建立目标营销系统成为工业界和学术界的热点问题。特别地，数据挖掘技术为建立目标营销系统提供了新的技术和方法；建立有效和高效的目标营销系统为数据挖掘领域提出了新的挑战。 本文将信息检索的方法和研究结果应用和扩展到目标营销系统中来研究顾客和产品的关系，并利用顾客信息、产品信息和交易信息来建立目标营销的数据挖掘模型和技术。具体研究内容如下： 1．本文提出了使用线性模型来识别目标营销系统中具有市场值的顾客或者产品。该模型假设顾客或者产品可以使用有限的属性来表示，以此为基础建立线性市场值函数来对顾客或者产品进行排序。在该模型中的线性市场值函数是顾客或者产品各个属性的效用函数的线性组合。 2．目标营销的基本任务之一为分析顾客和产品之间的关系。基于信息检索和度量理论的结果，本文提出了一个统一框架模型来分析目标营销系统中顾客和产品的关系。在该框架模型中，顾客对产品的喜好使用偏好关系来定性的表示，顾客和产品之间的关联使用市场值函数来定量的表示和度量。本文进一步讨论了此框架下的四个模型。这四个模型分别表示了顾客组与产品组之间的关系、顾客组与单个产品之间的关系、单个顾客与产品组之间的关系以及单个顾客与单个产品之间的关系。依据这四个模型，本文讨论了面向顾客的目标营销和面向产品的目标营销策略。此外，在此框架下，本文基于可获得的顾客信息、产品信息以及交易信息建立了线性和双线性的市场值函数。实验结果表明所提出的方法是有效的。 3．本文将概率推理模型应用到目标营销系统中。在概率推理模型中，顾客和产品被表示成两个命题，使用命题间的蕴涵关系来讨论顾客与产品之间的关系。从精确度和召回率两方面来分析目标营销系统中顾客和产品的关系。讨论了概率推理模型在顾客信息、产品信息以及交易信息已知的情况下的应用。 基于上面三个方面的研究内容，本文的主要贡献在于： 1．本文提出了线性模型来识别具有潜在市场值的顾客和产品。与基于规则的数据挖掘方法相比，线性模型不使用分类的方法，而是采用对顾客或者产品进行排序来识别具有潜在市场值的顾客和产品：与基于概率的方法相比，线性模型能提供属性权重和属性值的效用值等有用的信息。 2．本文提出了目标营销系统的统一框架模型。一方面，在目前国内外的研究中，面向顾客的目标营销系统和面向产品的目标营销系统是作为独立的内容分开进行研究的。本文提出的模型整合了面向顾客的目标营销系统和面向产品的目标营销系统。另一方面，目前国内外的研究注重于目标营销系统的具体算法和实验，缺少一个在概念层次上的统一框架模型来分析和总结现有的算法，并对进一步的工作进行指导。本文则以顾客偏好关系为基础在概念层次上研究顾客和产品之间的关系，并建立了目标营销系统统一框架模型。该模型具有一定的通用性，它不仅从概念层次上囊括了现有的目标营销算法模型，而且扩展了目标营销系统中新的研究方向。此外，本文提出的框架模型充分利用了顾客信息、产品信息和交易信息，弥补了现行大多方法中只使用交易信息的缺陷。 3．本文将概率推理模型扩展到目标营销问题中。在该模型中，从精确度和召回率方面来分析目标营销中顾客和产品的关系。根据所获得的信息不同，朴素贝叶斯方法和潜在语义模型等可以被认为是该概率推理模型的特例。