随着互联网应用在商业领域的快速普及,用户的需求体验成为互联网发展的驱动力。以电子商务系统为代表的社交网络不断发生新的变化。电子商务系统在为用户提供越来越多选择的同时,其结构也变得更加复杂,用户经常会迷失在大量的商品信息空间中,无法顺利找到自己需要的商品。电子商务推荐系统直接与用户交互,模拟商店销售人员向用户提供商品推荐服务,帮助用户找到所需商品,从而顺利完成购买过程。随着电子商务系统规模的进一步扩大,电子商务推荐系统也在飞速的发展。目前主流的电子商务推荐系统有:基于协同过滤算法的电子商务推荐系统;基于用户统计算法的电子商务推荐系统;基于知识发现算法电子商务推荐系统和基于效用的电子商务推荐系统。但这些推荐系统存在着各自的局限性,因此在电子商务推荐系统中,消费者意图的识别承担着越来越重要的作用。消费者意图的识别对于电子商务商品推荐、热点引流商品选取、网站布局以及链接的设置有至关重要的影响。目前的大部分研究都认为意图是静态的,即特定的意图是伴随着特定的环境的,因而在特定的环境下有特定的变化。然而,消费者在电子商务活动中访问和选购商品时的不确定性告诉我们消费者的意图可表现为多种形态,并且是多阶段发展的。因此,本研究用蚁群算法中的蚂蚁来表示消费者,通过蚂蚁对信息素的趋好性来模拟消费者的浏览、收藏、加入购物车和购买行为的意图。因为消费者意图为表现为商品的客观属性与消费者的主观感受的匹配,所以,我们将信息素表示为商品的客观属性和消费者感知能力的内积,其值即为表示消费者意图的信息素的浓度。我们把这种信息素称为感知信息素,用来表示消费者意图。这样就可以通过蚁群算法来呈现消费者意图的动态性和不确定性。然后,本研究通过NetLogo仿真实验以获取数据,再以神经网络来识别和验证消费者的浏览、收藏、加入购物车和购买意图。实验结果表明:在95%的显著性水平下,本研究所提出的模型将意图预测的准确度从48%提升到67%左右,可以更加准确的向用户推荐商品,具有良好的现实意义。