随着产品市场朝着个性化定制方向的发展,大规模定制(Mass Customization, MC)以其成本低、产品和服务多样化以及对市场的响应快速等优点,成为制造业发展的必然趋势和未来生产的主要模式。在大规模定制的背景下,许多企业采用了产品平台技术,通过建立一套通用的部件、模块和零件,在此基础上可快速开发出一系列变形产品(Product Variants),以满足顾客的多样化需求。目前,基于产品平台的可定制产品大部分都依赖企业人工向用户进行推荐。有少数基于产品平台的可定制产品系统采用了树形或向导方法引导客户进行在线配置。通过使用这些系统,客户可以从选项列表中一步步选择可配置产品的组成部分,并最终获得定制的产品。例如,戴尔TM使用一个向导式的B2C应用软件在网站上出售可配置的个人计算机(www.dell.com)。然而,应用树形或向导方法进行产品配置的一个重要问题就是,客户可能不熟悉一个产品的技术参数和它们的具体含义,选择的产品的可配置部分可能存在性能不均衡的情况。随着互联网的普及和电子商务的发展,网上购物的交易方式正在改变着传统的商业模式。电子商务网站已经成了企业进行经营的场所,并且都不同程度地使用了各种形式的推荐系统。如Amazon、淘宝、当当等。电子商务推荐系统,模拟商店销售人员,分析用户的购买惯,根据用户需求向用户提供有价值的商品推荐,帮助用户找到所需商品,从而顺利完成购买过程。在日趋激烈的竞争环境下,电子商务推荐系统通过将浏览者转变为购买者、交叉销售、有效保留客户等优势,提高了企业产品的销售,成功的电子商务推荐系统能产生巨大的经济效益。本研究的创新点就是结合产品平台的特点,将先进的电子商务推荐算法应用到基于产品平台的可定制产品推荐系统中,充分利用用户的历史记录和消费偏好等信息,帮助客户进行可定制产品的合理选择,它的成功应用将从不同程度上满足用户和企业的需求。本课题来源于国家自然科学基金资助项目(70871020)和教育部基础科研项目(N090404019)。论文主要工作包括以下几方面内容：(1)采用关联规则来分析产品模块间的关联性,通过关联规则推荐算法向用户产生推荐。(2)采用联合分析方法计算产品模块的效用值,根据效用值的大小对用户产生推荐。(3)采用协同过滤推荐算法解决用户在评分过程中产生的评分稀疏性问题,从而预测出用户对未评分项的偏好值,最后产生推荐。(4)以手机为例,设计并开发基于产品平台的可定制产品推荐系统,将设计的推荐算法嵌入到系统中,并完成相应的推荐功能。