21世纪已经完全进入电子数码科技时代,人们对各种电子类商品的需求也越来越高。目前线上购物平台中发售的电子类商品的种类和品牌也为消费者提供了众多可选择性。但是,对于如此多种类品牌的电子类商品,消费者如何快速的进行正确选择。这是困扰众多消费者的一大问题。为了解决这一问题,使消费者在短时间内选购到自己心仪的电子类商品,本课题通过对各大线上平台中的电子类商品的销售交易数据进行获取和分析,挖掘出了各类电子类商品之间的关联性,并将实验结果运用到了电子类商品推荐中,通过与移动APP端相结合,实现了一套可以针对用户进行个性化推荐的推荐系统。本课题研究内容主要包括:1)本文首先对现有的推荐算法进行了分析和比较,详细介绍了算法推荐模块的相关原理和技术,如关联度分析算法的基本推荐过程,并对传统的Apriori算法进行了优化,使其推荐效果更加完善。2)然后通过对用户的商品需求性分析,设计建模了移动端电子类商品购物平台的各功能板块。在搭建移动端平台时主要运用了HTML5语言构建出了相关UI界面,以方便用户浏览。3)在MySQL数据库平台设计了推荐过程中的相关信息表单,用于数据的存储,为推荐系统的运行提供了数据信息基础,使推荐系统能够实现数据收集、数据处理、数据挖掘等相关操作。4)最后介绍了将推荐算法模块嵌入移动端电子商品推荐平台的相关技术和系统的结构体系框架以实现商品的推荐功能及用户和系统的交互功能。满足了用户购买电子类商品时的快速性、准确性需求,使用户感受到非常良好的购物体验。