伴随着互联网的蓬勃发展,信息强度和密度与日俱增,面对如此海量的异构的Web信息,个性化信息推荐服务显得越来越重要。推荐系统在电子商务领域具有很好的应用和广阔的发展前景,逐渐受到越来越多专家学者的关注,使得电子商务推荐系统在理论和实践上都得到了很大发展,其核心部分就是对推荐算法的研究,选择哪种推荐算法对于推荐系统的效果和效率至关重要。本文对当前电子商务推荐系统的相关技术与算法做了详细的论述,着重对关联规则算法和基于用户的协同过滤算法进行探讨,并对两者的混合改进做了实验对照,最后讨论了推荐系统评价的指标与方法。本文的主要贡献如下：一、对电子商务推荐系统进行了深入地研究,对关联规则算法和协同过滤算法进行了详尽地分析对比。二、结合基于关联规则的推荐算法及基于用户的协同过滤推荐算法的各自优点,提出了改进型关联规则和协同过滤混合算法,并进行了仿真实验对比分析。三、面对越来越多的推荐系统,如何评价它们的好坏显得尤为重要。在基于大量实验数据集的基础上,对推荐系统评价的指标与方法做了深入讨论。