I en tid då informationsöverbelastning har blivit ett faktum har det blivit svårare för användareatt finna den information som de söker och har ett intresse utav. Ett rekommendationssystem harvisat sig vara ett utav de lösningar som kan hjälpa till med problemet avinformationsöverbelastning. Rekommendationssystem hanterar problemet genom att filtrerainformation från en stor mängd av data utifrån användarens preferenser och intresse. Huvudmåletmed ett rekommendationssystem är att vara en hjälpande hand för användaren att finna deninformation de söker och har ett intresse utav. Det finns många olika typer avrekommendationssystem som content based filtering, collaborative based filtering och hybridfiltrering. I denna förstudie kommer det att presenteras en metod på hur ett hybridrekommendationssystem kan skapas baserat på teknikerna clustering och association rulemining. Målsättningen med förstudien var att finna den metod och de algoritmer som kan tänkasanvändas för PACs e-handel.3
At a time when information overload has become a fact, it has become more difficult for users tofind the information they are looking for and have an interest in. A recommendation system hasproven to be one of the solutions that can help with the problem of information overload.Recommendation systems handle the problem by filtering information from a large amount ofdata based on user preferences and interest. The main goal of a recommendation system is to be ahelpful hand for the user to find the information they are looking for and have an interest in.There are many different types of recommendation systems such as content based filtering,collaborative based filtering and hybrid filtering. The aim of this thesis is to find the method ofrecommendation system and the algorithms that can be used on PAC's e-commerce store. Thethesis will demonstrate a hybrid recommendation system based on clustering and association rulemining techniques.