文章介绍了一个基于用户行为数据的推荐系统的实现步骤和方法。系统的核心是专家系统，它会根据一定的策略计算所有物品的相关度，并且将相关度最高的物品序列推送给用户。计算相关度的策略分为两部分，第一部分是针对用户首次访问网站的时候，可利用的体现用户个性特点的数据不多(即冷启动)，于是根据各个物品的销量，访问量等特征将较热门的物品推荐给用户；第二部分则是针对更一般的情况，当用户在网站上留下一定的行为数据之后，专家系统则会结合用户偏爱的物品种类，用户购买的物品的价格区间和物品的重要程度这些特点调整推荐列表。因此是自适应的。