20世纪90年代，WWW（World Wide Web）出现以来，Internet上的信息量正以前所未有的速度飞速发展，这也使得用户在Web上迅速、准确地获取所需信息变得越来越难。从用户的角度来看，希望能从琳琅满目的电子商务网站中尽快找到自己心仪的物品；另一方面，从商家的角度来看，希望能提高用户对自己网站的忠诚度，赢得用户更多的关注。针对这种需要，本论文提出了一种基于多Agent的电子商务推荐系统模型，论文的主要研究内容如下：（1） 论文对现有推荐系统进行了分类研究，分析比较了各种类型推荐系统的优势和不足，以及现有的典型推荐系统实例的特征。（2） 论文提出了一个基于多Agent的电子商务推荐系统模型，其核心思想是：由用户界面Agent接受用户反馈信息及呈现推荐结果，采用基于内容Agent与协作过滤Agent共同完成推荐。其优点在于：有效地弥补了彼此的不足，同时充分发挥了各自的优势。（3） 论文对推荐系统中的用户兴趣描述的获取及建立进行了研究，提出了采用用户显式兴趣描述及隐式兴趣描述共同表示用户兴趣，并对它们的获取及表示方式进行了分析和设计。（4） 论文针对个性化服务中的隐式反馈进行了详细研究，将用户的浏览行为分成三类：查阅、保持和引用。提出了通过反馈系数TFG来描述隐式反馈行为所产生的各种影响。（5） 论文对物品相似度算法、用户相似度算法以及反馈算法进行了改进，提出了仅将特征值明显的偏好量进行计算的策略。采用这种方式可以滤掉那些作用微乎其微，甚至是起副作用的用户偏好分量。（6） 通过SweetHome小区电子商务推荐系统的具体实例对论文所提出的混合推荐系统思想及算法进行了尝试，给出了客观测试结果。总之，多Agent电子商务推荐系统模型是对电子商务推荐系统进行的一种有益地探索，具有一定的研究意义。