通过“Web of Office”搜索关键字：“ Large data”，“ e - commerce”， “personalized information services”，得到结果 30 篇。笔者截取其中具有代表性 的文献整理归纳如下：
Nirmal Pal 在《The Power of One: Gaining Business Value from Personalization Technologies》一文中研究电子商务个性化服务现阶段存在的一些热点问题。
IBM Redbooks 的《 User - To - Business Pattern Using Websphere Personalization Patterns for E -Business Series (Paperback)》一文中分析了通过互联 网个性化服务模式来实现 User -To -Business 的电子商务。
Kim ,Jong woo 的《 Data Sparsity and Performance in Collaborative Filtering-based Recommendation》研究基于协同过滤稀疏效应，作者收集一家网 上书店的用户购买及评价信息来证明原始数据的稀疏效应如何影响协同过滤的 结果，作者给出的结论是当评价信息等原始数据高度稀疏时，同时使用评价数据 和购买数据等相关数据有助于提高个性化推荐性能。
Thirumalai, Sriram Sinha, Kingshuk K 的《 Customization of the online purchase process in electronic retailing and customer satisfaction: An online field study》提出根据用户历史行为例如购买记录、浏览历史等来 建立个性化推荐系统，文章首先涉及了个性化推荐服务基于领域的适应模型，然 后在其他领域进行试运行，最后采用用户满意度的方法证明该系统是可行的。
国外文献研究领域多在个性化系统的实现和改进上，但相较之前文献研究的 主体是系统，目前大多数文献研究的主体是用户及其行为习惯。说明个性化推荐 服务在过去几年中得到了极大的发展。
2、通过“中国知网”搜索关键字“个性化信息服务”，“电子商务”，“大数据”得到 5951 条结果，研究领域十分广泛，包括不同应用领域的个性化信息服务应 用现状研究；电子商务个性化信息问题研究；个性化信息服务应用方法研究等。
李小龙的《基于 Mapreduce 的个性化信息服务研究》介绍云计算应用的核心 技术之一 Mapreduce，它旨在把庞大的杂乱无章的原始数据根据某些特征，整理 归纳得出相应的结果，Mapreduce 首先解析庞大数据中的每个数据得到关键词， 再根据关键词将数据重新分类，形成数据集，再依据归纳的数据集进行进一步处 理，得到相应的结果。
周莉，潘旭伟，谢王开的《情感感知的电子商务个性化信息服务研究》一文 中针对用户在电子商务中获取个性化商品信息困难的问题，提出实现电子商务个 性化商品信息服务的情境感知方法。首先建立情境感知的电子商务个性化商品信 息服务框架，并构建商品信息本体模型和用户情境本体模型，在此基础上提出情 境感知的商品信息服务个性化匹配算法，最后分析电子商务中情境感知的个性化 商品信息服务模式。
左军姿的《基于客户分析的证券电子商务个性化信息服务研究》提出了基于 客户分析的证券电子商务个性化信息服务模式。研究了基于客户分析证券电子商 务个性化信息服务的实现原理和实施方法。证券电子商务个性化信息服务是指对 证券公司的累计客户采取信息技术进行处理分析，识别用户偏好和特征，然后对 其进行个性化推荐。
夏秀双的《大数据环境下高校图书馆个性化信息服务研究》指出大数据时代 高校图书馆利用微博微信产生大量的数据，为大数据分析应用技术提供了基础。 作者在分析、借鉴国内外已有研究成果前提下,将先进大数据技术引入到高校图 书馆个性化信息服务中,借助已有个性化信息服务系统平台,结合大数据技术数 据处理流程,构建基于大数据的高校图书馆个性化信息服务系统模型。 电子商务个性化信息服务国内外研究现状:http://www.youerw.com/yanjiu/lunwen_204334.html