电子商务已经成为贸易自由化、经济全球化的重要手段,同时也是传统产业变革的关键推动力。电子商务能节约商家进行商业活动的成本,简化商务活动的流程并缩短其运行周期,进而提高经济效益。同时,电子商务的迅速发展使得信息过载,用户难以找到需要的商品,企业也无法做出正确的决策,由此产生了电子商务推荐系统。但目前的电子商务推荐系统存在许多问题,如数据稀疏影响推荐质量,系统可扩展能力差,有用信息的表示不够完整等等。针对这些问题,论文利用图模型思想对个性化推荐技术进行了探索和研究。主要内容和研究成果有以下四个方面:首先,介绍了电子商务和个性化推荐系统的概念、功能,描述了个性化推荐系统的构成和相关的技术。分析了图模型的构造过程和优点,并简述了小世界网络模型的来源和特征。其次,利用小世界网络模型构造用户层网络,在传统小世界网络模型中引入加权边,并通过相似度计算权值。在构建的用户网络中,通过定义流动阻力和最小流动阻力来衡量用户网络节点间的差异程度,并在流动阻力的基础上定义了网络的流动效率,用于统一网络全局和局部聚类特征的衡量标准。第三,在已有研究的基础上,提出了加权小世界网络模型的重连边算法,并在构建加权小世界网络模型的同时,对用户层网络中的用户进行了聚类。通过实验验证了此模型和算法具有可行性,并能提高用户聚类的效果。最后,在商品层,通过结构学习和参数学习构建了贝叶斯网络,结合用户层网络构建了两层图模型,给出基于图模型的个性化推荐算法,并验证其可行性和优越性。