利用眼动轨迹包含的参数来预测顾客是否喜欢某些商品，对于电子商务的推荐系统具有重要意义。通过采集顾客观察某物品的眼动参数，借鉴Finds算法概念学习的思想，提出眼动轨迹语义提取算法，该算法首先学习先验知识，然后通过让样例正反例距离最大实现确定眼动参数包括注视时间、瞳孔大小、眨眼次数以及回视次数的权重，利用SEBET（Semantic extraction based eye tracking）算法，通过di=SX(∑()KF(∑(m′=k1,i′=k2,i=λm′=1,i′=1,i=0)(xNm′(i)－xoi′(i))2w(i)KF)k1×k2SX)计算样例正反例之间的距离，依照距离的远近来判断顾客是否喜欢某商品，从而实现从眼动轨迹进行语义提取。实验中，记录被试观察水果图片的眼动参数，分析出被试的喜好，与被试实际喜好进行了比较，发现样本与正例的距离为0.91，与反例的距离为3.01，与实际情况相符。