电子商务是国际市场出现和发展起来的新兴贸易方式。电子商务网站的建设比较容易,但要让电子商务网站发挥更高的效益则是困难的事情。如何吸引客户,提高客户的忠诚度成为企业竞争的关键。构建支持企业决策的电子商务系统体系结构能为个性化服务提供良好的数据支持,而个性化推荐算法又能够提高客户的忠诚度。因此,电子商务系统的体系结构及个性化推荐算法成为了电子商务系统的研究热点。本文首先介绍了企业信息工厂(Corporate Information Factory ,CIF)、电子商务在体系结构上的需求和企业信息工厂与电子商务接口等内容。重点描述了如何将CIF与Web环境高效的结合起来为个性化推荐提供数据支持。在电子商务中通过将CIF和Web环境结合,可以创建一个稳定、灵活的接口,为Web环境中的个性化服务提供数据支持。针对拥有多个网站的电子商务企业,在CIF的基础上提出了一种基于分布式Web ODS的系统体系结构。该体系结构充分利用了ODS的特点,可以为企业提供一个集中所有数据信息的唯一视图和一个抽象、集成的高性能信息管理平台。Web ODS可以基于客户特征信息与个性化引擎交互,启动一系列推荐事件。协同过滤是电子商务个性化推荐系统中采用最广泛的推荐技术,但现有的协同过滤算法不能反映出每年特定的事件与用户购买行为的关联性。提出了一种考虑年度日程表事件的协同过滤算法,引入了时间权值函数,使得同一时期的越接近当前用户访问时间的近邻用户所购买商品的推荐度越高,体现出了推荐算法的事件相关性。为了验证基于分布式Web ODS的系统体系结构和考虑年度日程表事件的协同过滤算法的可行性,使用OWB构建了基于模拟电子书店网站的Web ODS。并用Java实现了提出的推荐算法,达到了预期的效果。