随着电子商务的蓬勃发展,推荐系统变的越来越重要,根据用户的喜好给用户推荐商品,以此来帮助用户快速找到可能会感兴趣的物品。作为网络交流很重要的工具,电子邮件在人们的生活中扮演了很重要的角色,基于邮箱的个性化推荐也变的热门。该论文阐述了一种基于邮箱的推荐系统,通过抽取、分析用户的邮件信息和行为日志,为用户进行推荐。对于每一个用户,根据用户发送接收的邮件信息,为用户建立模型产生用户兴趣向量,用户兴趣向量记录了用户对每类信息的兴趣度,包括主要的兴趣和潜在的兴趣。得到用户的兴趣向量后,就可以据此给用户推荐商品。另外,考虑到用户兴趣的漂移和推荐系统的实时性,提出了反馈系统。当一个用户点击一件商品时,系统将会得到与该商品相似的商品然后推荐给用户。商品之间的相似度存储在物品相似度矩阵里面,相似度矩阵是通过基于内容和协同过滤算法得到的。考虑到用户邮件信息和行为日志的增长,每个一段时间会重新计算用户兴趣向量来追踪用户的兴趣改变。用户兴趣向量中低兴趣度的信息可能反应用户潜在的兴趣点,所以会适当推荐该信息类别的物品以此来挖掘用户潜在的喜好,从而使推荐结果充满多样性和新奇性,论文的方法在邮件系统中得到了不错的推荐结果。