当前，大规模定制与电子商务正朝着个性化与智能化的方向发展，企业越来越注重用户在产品定制或商品选购过程中的体验。怎样对用户的产品定制过程进行辅助和引导，让用户在大规模定制系统中的产品配置过程变得更简单、方便，以吸引更多用户的加入，已成为大规模定制企业关心的主要问题。电子商务个性化推荐系统成为解决该问题的重要途径之一。在此背景下，将协同过滤推荐算法应用于大规模定制的产品配置过程，在传统电子商务个性化推荐相关理论的基础上，全面而深入地研究了面向大规模定制的电子商务个性化推荐系统框架、模型与算法。　　首先，提出了面向大规模定制的电子商务个性化推荐系统框架。不同于以往的电子商务个性化推荐系统框架，考虑到大规模定制的具体特点，新的系统框架引入了大规模定制企业这一用户角色。同时，引入了反馈机制，推荐系统可以根据用户的反馈不断调整对用户定制过程的后续推荐，并在推荐过程结束后记录、分析用户的反馈意见。　　其次，构建了面向大规模定制的电子商务个性化推荐模型。类似于传统的电子商务个性化推荐模型，新的面向大规模定制的个性化推荐模型仍然由用户模型、推荐算法和推荐对象模型三部分构成。　　再次，改进了面向大规模定制的电子商务协同过滤推荐算法。对大规模定制模式下协同过滤推荐算法的改进主要表现在以下三个方面:对用户模型输入数据的改进、协同过滤算法固有的冷启动和数据稀疏性问题以及对推荐对象模型的改进。　　最后，通过引入一个产品定制实例，对基于协同过滤的大规模定制个性化推荐算法进行了仿真实验与分析，以验证改进的大规模定制电子商务协同过滤算法的可行性和有效性。实验证明，改进算法对于解决大规模定制下的个性化推荐问题是可行的、有效的。