信息过滤作为从信息检索衍生出来的新的研究点,越来越受到关注。针对搜索引擎返回的大量结果,使用信息过滤技术进行过滤可以大大提高索引精度,同时提供一些信息检索所不能提供的个性化服务。推荐系统是信息过滤技术的应用。传统的推荐系统主要是基于两种类型的过滤技术——基于内容的过滤以及协同过滤。本文在传统过滤的基础上结合经济学中的“替代品”引入了“相关集”的概念。当A项目增加的数量与B项目的减少数量存在比例关系时,称A项目和B项目是“替代品”。“相关集”是指项目的变化量之间存在一定比例关系的项目的集合。项目变化量之间的比例关系称为“相关率”。“相关集”是对替代品概念的扩充,其包括正向相关和反向相关。正向相关是指项目的数量变化存在正比例的数量关系。反向相关是指项目的数量变化存在反比例的数量关系。而“替代品”是反向相关的一个例子。“相关集”的引入对推荐项目进行了进一步的细分,使推荐项目变化量之间具有数量上的关系。同时针对不同用户设置其相应的“相关集”,可以更加准确的描述用户的偏好。文中介绍了两种构造相关集的方法。一种是“连续型构造方法”。连续型的构造方法是根据用户的历史纪录用回归方法得出该项目的