随着电子商务的渗透和用户对个性化服务需求的激增，如何利用平台上的海量行为数据，设计合适的算法以进行个性化产品推荐，成为企业在电商营销中重点关注的问题。同时，深入了解已有推荐机制对消费者产生的行为影响，也能够有效地帮助商家和平台及时调整推荐策略。由此本书分别从技术视角和行为视角出发，针对同质性产品和非同质产品，对产品推荐的相关方法和行为影响进行介绍，较为完整地从多个角度丰富了对推荐系统的认识。 此外，本书还介绍了以神经网络为基础的非同质产品的关系挖掘方法。以在线评论为数据源，对评论文本内容分析并构建产品两两之间的特征函数来对其关系建模。此外，从实际观测结果出发，还考虑了在线评论的其他非文本特征，进一步提高关系挖掘的准确率。最后，通过亚马逊平台的真实数据分析了本书所介绍方法的有效性，并讨论了该预测方法在不同参数和稀疏性水平数据集下的表现。填补了学术空白。