推荐系统作为电子商务网站的一种重要的营销工具,使消费者在面对海量的商品信息时得到有价值的购买建议的同时,也提高了网站的销售业绩。随着网络与计算机技术的进步,电子商务推荐系统得到广泛的研究与发展,服务越来越智能化、个性化。同时随着电子商务规模的不断扩大,推荐系统也面临一系列挑战,本文针对推荐系统的算法设计、体系结构等关键技术进行了有益探索。首先,介绍了电子商务推荐系统的基本理论,包括产生的背景、概念、作用、输入输出的表现形式,及常用的推荐方法,并总结了推荐系统研究领域的热点问题。其次,本文还对推荐系统所使用的多种个性化的推荐技术进行了分类介绍,包括信息过滤技术、数据挖掘技术、Horting图等其它技术,重点讨论了两种信息过滤技术,即内容过滤与合作过滤的涵义、各自的原理及算法分析,分别指出两种推荐技术的优点与不足之处,论述了在推荐电影、音乐等文化商品领域结合使用这两种技术的思想,以此作为本文研究的基本出发点。第三,针对数据稀疏性与推荐的实时性的技术难题,本文在传统的用户合作过滤推荐的基础上提出了基于兴趣度向量模型的用户合作推荐机制,以推荐电影项目为例讲解了该算法的基本原理和实现过程,采用MovieLens网站上提供的研究数据进行模拟推荐实验,经过对平均绝对偏差的对比分析,基于兴趣向量模型的推荐方法在一定程度上比传统合作过滤算法有更高的推荐精度。第四,在基于用户兴趣度模型的推荐方法基础上,合理地利用了用户的人口统计信息的参考价值,不仅使基于用户兴趣与合作的推荐方法的准确度进一步提高,还可以解决推荐系统中存在的新用户问题。最后,在上述研究工作的基础上给出基于用户兴趣与合作的个性化电子商务推荐系统运行的体系结构,合理地界定了系统适用的项目领域。