“互联网+商务”是对传统电子商务的颠覆式创新,未来的发展将更趋向于智能化、服务化、平台化;个性化推荐作为智能化、服务化的一种关键技术,一直以来都是传统电子商务领域研究的热点;因此,对“互联网+商务”的个性化推荐的相关研究也尤为重要。“互联网+商务”模式的出现,给个性化推荐技术带来了新的挑战。本文结合“X商务消费服务平台”的个性化需求,针对传统个性化推荐的用户兴趣偏好建模、多兴趣推荐以及冷启动推荐存在的问题,分别从用户兴趣模型分析和设计、推荐算法设计与实现、推荐框架及应用几方面,研究了“互联网+商务”的个性化推荐,主要工作如下:1.提出了用户多兴趣模型和基于兴趣标签的用户兴趣模型。针对单一兴趣模型不能有效刻画用户偏好的问题,提出两种用户兴趣模型。首先,基于评分数据和行为数据提出了用户多兴趣(User Multi-Interest,User-MI)模型,给出了用户多兴趣的形式化描述,并结合实例进行说明;然后,根据平台基础信息数据特点,提出了基于兴趣标签的用户兴趣(Personas Of Interest Lable,POIL)模型,同时以用户为中心,设计了具有一定交互性的用户兴趣标签更新算法。2.设计了用户多兴趣推荐算法。首先,对问题进行了形式化描述,将问题转化为构建评分效用函数和构建多兴趣正则函数;然后,基于User-MI模型,采用限制性概率矩阵分解方法,建立了评分效用函数和多兴趣正则函数;更进一步地,通过贪心近似算法对目标函数进行了求解,并进行了对比实验,证明了该算法对于多兴趣推荐的有效性。3.设计了兴趣标签匹配推荐算法。利用用户兴趣标签与商品特征的对等关系,基于POIL模型研究了基于兴趣标签匹配的推荐算法,并通过对比实验,验证了该算法对于冷启动问题的有效性,同时总结了该算法的特性及适用场景。4.个性化推荐应用实现。给出了一种个性化推荐的应用框架,根据平台业务,分析了推荐的功能结构;设计用例图及类图,并对个性化推荐服务进行了应用实现。