个性化推荐系统以商品和消费者之间的关系为基础，利用消费者和商品之间的关系向消费者进行个性化推荐，主要应用于电子商务网站。个性化推荐系统的发展依赖于关联规则技术、协同过滤技术、基于内容的推荐技术。以上3种技术都存在共同的问题，即数据稀疏问题、实时性问题、和冷启动问题。针对这些问题提出了基于决策树方法的属性推断技术。现今的推荐算法是以消费者选择的商品为中心。针对这种情况采取逆向思考的方法，根据消费者购买商品的记录逆向推导出消费者的属性，进一步，把个人的购买行为归纳成普遍的规则，并且使用这个规则进行个性化推荐。其中关键的步骤是消费者的属性推断，消费者的属性推断由决策树算法来完成。利用决策树算法完成了消费者的属性推断。实验结果表明，属性正确率是69.32%。在此基础上，完成了以下3个推荐方法。(1)基于原始数据的个性化推荐的正确率是45.87%。(2)基于推断出的消费者的属性的个性化推荐的正确率是26.82%。(3)基于消费者兴趣的个性化推荐的正确率是12.21%。结果表明，基于决策树方法的属性推断技术是可行的。