选择过载是工业革命以来世界经济发展不可避免的现象,尤其是在人工智能快速发展的今天,选择过载现象日益严重。产品选择过载严重影响了消费决策效率,增加了消费思考成本,与追求高效的今天是互相矛盾的。而现今关于选择困难影响的研究多为理论研究,缺乏有效的决策辅助工具。本文以电商消费的服装网购情景为例,开展了服装网购情景下选择困难行为的实验研究,并通过消费者的决策行为结果判定选择困难行为的表征,研究选择困难识别机制。基于选择困难的基础,结合机器学习中的专家系统研究出一中面向服装网购的决策辅助方式,并开发了决策辅助系统,通过决策案例验证了该方法的可行性。本文的主要研究内容如下:首先,开展了服装网购活动的选择困难行为研究,基于选择困难行为表征研究实验范式及任务,采集了41位被试的决策行为录像及决策偏好,获得选择困难的行为表现指标,作为后续开发决策辅助系统中的选择困难识别机制规则制定。其次,研究了决策行为中各项指标与选择困难之间的关系,利用方差分析及皮尔森相关性证明了选择困难行为指标的相关性,建立了识别规则库。然后,基于专家系统进行决策辅助系统中的服装推荐模块设计,主要集中于服装款式的推荐。利用生产式规则形式建立存有搭配知识及服装商品信息和用户体貌特征信息、场合与天气信息的知识库,并通过在黑板结构中增加索引表来设计推理机,模拟服装搭配专家思维过程,生成每日搭配推荐清单。最后,开发出服装网购选择困难辅助决策系统的原型,实现每日搭配和网购决策辅助功能,并通过决策案例及搭配推荐评价验证了系统的可行性。