随着电子商务领域数据量的迅速增长,电子商务已进入以数据为基础的时代,电商都希望抓住这一契机,将数据有效利用,个性化推荐已成为电商数据应用的重要切入点,其作用就是为用户提供高质量的个性化推荐服务。通过收集大量用户数据并挖掘隐含的用户偏好,向用户推荐个性化商品,刺激用户的购物欲望,从而提高销售额,获得更大的利润。除此之外,个性化推荐还能挖掘出用户潜在的购物意向,向客户推荐到目前为止未接触过但以后可能购买的商品信息。不仅能为用户带来优质的服务,还能为电商企业带来前所未有的利润,这也是个性化推荐广泛应用的原因之一。因此,电子商务企业的个性化推荐不仅可以提高企业的服务质量,还可以促进用户购买。本文以博库图书商城为研究对象,分析商城产生数据的类型,特点及用户数据应用中存在的问题,进而分析商城数据挖掘过程及推荐方法,将用户数据分为文本评论数据,基本特征数据,交易行为数据。在评论的数据挖掘中,将虚假评论过滤,基于情感词提取图书属性,构建图书属性库,将用户—图书评分转化为用户—属性评分;在用户基本特征和交易行为特征的挖掘中,挖掘衍生属性,利用FCM聚类方法将用户分为高价值用户,中等价值用户,普通价值用户,低价值用户,在四个类内利用改进的用户相似性方法计算用户相似性,利用用户相似性填充用户—属性评分稀疏矩阵;基于填充后的矩阵得出目标用户偏好的最近邻居集,计算用户对未评属性的评分,将目标用户对商品的所有属性评分均值进行排序,形成该用户的Top-N推荐列表。完成推荐,通过实验证明推荐方法设计的准确性。通过对博库图书商城的用户数据挖掘及推荐方法的设计,一方面充分利用了商城产生的用户数据,结合协同过滤推荐理论,丰富数据挖掘理论及其应用;另一方面通过为博库图书商城设计个性化推荐方法,达到精准化地向用户推荐图书的目的,对网上图书类商城的经营提供帮助。