研究目的：电子商品兴起引起的网购时代，各种各样的商品都可以在网上进行购买，网购确实给购买者带来了很多便利，“不出门就可把商品带回家”也给用户节省了很多时间。然而，随着电子商务规模不断扩大，商品种类和数目快速增长，从而信息过载的现象不断出现，消费者也面临越来越多的选择。于是个性化推荐系统也成了热门话题。尽管当前推荐技术已经取得了较大进展，但如何更加深入把握住用户的购买偏好，提高推荐效率依然是需要解决的难题。这里通过粗糙集研究方法集中商品属性数据约简，研究商品属性对用户决策的影响，为个性化推荐打下坚实基础。

研究意义：在推荐过程中，商品属性，相关类型的商品，重复购买周期等因素，都会影响用户的购买行为。商家提供了千千万万个商品，反而用户会迷失他们的方向。花了一两个小时，但最后却什么都没买的情况也时常发生。这就很容易让商家流失客户。因此如何通过研究商品属性提高对用户决策行为的把握，就显得及其重要。研究商品属性绝对不是最终目的。通过对商品属性进行归类研究，探讨不同商品属性对用户购买决策行为影响程度，遵循客户体验，进而提高个性化推荐效率。这无论对购买者还是商家来说都是很有意义的。

国内研究现状：研究较全面深入，商品属性集方面的研究也很深入。2006年，左仁淑等人研究了不同产品类别下顾客价值对品牌忠诚度的影响。2014年，陈浩等人研究了产品的品牌、认知、形象、消费者的感官体验及情感体验的影响。常用方法有：协同算法、聚类算法等。主要为了实现个性化流程设计和推荐。

国外研究现状：把产品属性分为内在属性和外在属性，产品对消费者的影响也包括积极影响和消极影响。更加注重商品广告对购买者的影响。研究方面也更加侧重某一商品，比如：医疗产品、洗衣机等。常用方法：验证性因子分析和最大似然估计等。另外，用户的情感分析也是研究的一个热点。然后情感分析又包括情感信息的抽取和情感信息的分类，这些都跟商品的其他特性相关，情感词等似乎又直接影响着用户决策。

2. 研究的基本内容与方案

研究的基本内容：本文主要研究商品属性对用户购买决策行为的影响，研究方法为粗糙集，主要内容包括：

（1）粗糙集在商品属性约简方面的现状分析；

粗糙集理论是一种研究不精确，不确定性知识的数学工具。 粗糙集理论的知识表达方式一般采用信息表或称为信息系统的形式，它可以表现为四元有序组K=(U,A,V,P)。其中U为对象的全体，即论域；A是属性全体；V是属性的值域；P为一个信息函数，反映了对象X在K中的完全信息。

约简是粗糙集用于数据分析的重要概念，是粗糙集理论的核心内容之一。常用的属性简约算法包括基于差别矩阵的基础算法和基于某种属性重要度的启发式算法。属性约简要求在保持知识库的分类和决策能力不变的条件下，删除不相关或不重要的属性。一般而言，较优的属性约简有如下指标：约简后属性个数较少；约简后规则数目较少；最终范化规则数目较少等。

粗糙集在商品属性方面的应用现状主要是通过数据挖掘技术，针对数据的离散化、完备化等问题进行分析研究，并将研究处理后的数据运用到电子商务智能推荐系统以及可视化应用上。