A recommendations service recommends items to individual users based on a set of items that are known to be of interest to the user, such as a set of items previously purchased by the user. In the disclosed embodiments, the service is used to recommend products to users of a merchant's Web site. The service generates the recommendations using a previously-generated table which maps items to lists of "similar" items. The similarities reflected by the table are based on the collective interests of the community of users. For example, in one embodiment, the similarities are based on correlations between the purchases of items by users (e.g., items A and B are similar because a relatively large portion of the users that purchased item A also bought item B). The table also includes scores which indicate degrees of similarity between individual items. To generate personal recommendations, the service retrieves from the table the similar items lists corresponding to the items known to be of interest to the user. These similar items lists are appropriately combined into a single list, which is then sorted (based on combined similarity scores) and filtered to generate a list of recommended items. Also disclosed are various methods for using the current and/or past contents of a user's electronic shopping cart to generate recommendations. In one embodiment, the user can create multiple shopping carts, and can use the recommendation service to obtain recommendations that are specific to a designated shopping cart. In another embodiment, the recommendations are generated based on the current contents of a user's shopping cart, so that the recommendations tend to correspond to the current shopping task being performed by the user.

Μια υπηρεσία συστάσεων συστήνει τα στοιχεία στους μεμονωμένους χρήστες βασισμένα σε ένα σύνολο στοιχείων που είναι γνωστά για να είναι ενδιαφέρον ενδιαφέρον στο χρήστη, όπως ένα σύνολο στοιχείων που αγοράζονται προηγουμένως από το χρήστη. Στις αποκαλυπτόμενες ενσωματώσεις, η υπηρεσία χρησιμοποιείται για να συστήσει τα προϊόντα στους χρήστες του ιστοχώρου ενός εμπόρου. Η υπηρεσία παράγει τις συστάσεις χρησιμοποιώντας έναν προηγουμένως-παραγμένο πίνακα που χαρτογραφεί τα στοιχεία στους καταλόγους "παρόμοιων" στοιχείων. Οι ομοιότητες που απεικονίζονται από τον πίνακα είναι βασισμένες στα συλλογικά συμφέροντα της κοινότητας των χρηστών. Παραδείγματος χάριν, σε μια ενσωμάτωση, οι ομοιότητες βασίζονται στους συσχετισμούς μεταξύ των αγορών των στοιχείων από τους χρήστες (π.χ., τα στοιχεία Α και β είναι παρόμοια επειδή μια σχετικά μεγάλη μερίδα των χρηστών που αγόρασαν το στοιχείο Α αγόρασε επίσης το στοιχείο Β). Ο πίνακας περιλαμβάνει επίσης τα αποτελέσματα που δείχνουν τους βαθμούς ομοιότητας μεταξύ των μεμονωμένων στοιχείων. Για να παραγάγει τις προσωπικές συστάσεις, η υπηρεσία ανακτά από τον πίνακα τους παρόμοιους καταλόγους στοιχείων που αντιστοιχούν στα στοιχεία που είναι γνωστά για να είναι ενδιαφέρον ενδιαφέρον στο χρήστη. Αυτοί οι παρόμοιοι κατάλογοι στοιχείων συνδυάζονται κατάλληλα σε έναν ενιαίο κατάλογο, ο οποίος ταξινομείται έπειτα (βασισμένος στα συνδυασμένα αποτελέσματα ομοιότητας) και φιλτράρεται για να παραγάγει έναν κατάλογο συνιστώμενων στοιχείων. Επίσης αποκαλύπτονται οι διάφορες μέθοδοι για το τρέχον ή/και προηγούμενο περιεχόμενο του ηλεκτρονικού κάρρου αγορών ενός χρήστη για να παραγάγουν τις συστάσεις. Σε μια ενσωμάτωση, ο χρήστης μπορεί να δημιουργήσει τα πολλαπλάσια κάρρα αγορών, και μπορεί να χρησιμοποιήσει την υπηρεσία σύστασης για να λάβει τις συστάσεις που είναι συγκεκριμένες για ένα οριζόμενο κάρρο αγορών. Σε μια άλλη ενσωμάτωση, οι συστάσεις παράγονται βασισμένος στο τρέχον περιεχόμενο του κάρρου αγορών ενός χρήστη, έτσι ώστε οι συστάσεις τείνουν να αντιστοιχούν στον τρέχοντα στόχο αγορών που εκτελείται από το χρήστη.