随着互联网的普及和电子商务的快速发展,电子商务系统提供更多选择的同时,其结构也变得更加复杂,用户经常会迷失在大量的商品信息空间中,无法顺利找到自己所需商品。电子商务推荐系统解决了“信息迷航”和“信息过载”问题,实现了直接与用户交互,帮助用户快速找到他们真正所需购买的商品。电子商务推荐系统能有效保留用户、防止客户流失,提高电子商务系统的销售量。但当前的电子商务推荐系统在实际运用中还相当不成熟,仍然存在推荐质量不高、推荐实时性差、数据稀疏性、冷启动等问题。　　 针对电子商务推荐系统面临的主要挑战,本文通过文献综述分析了当前国内外电子商务推荐系统研究现状,归纳了主要推荐技术的优缺点。在原有的组合推荐系统基础上,推出一种基于内容过滤、协同过滤和Web数据挖掘的混合方法推荐系统,以协同过滤为主,内容过滤为辅,利用内容过滤来弥补协同过滤的缺点,解决数据的稀疏性问题和扩展性问题,同时结合基于Web数据挖掘的推荐技术综合应用,通过浏览器的方式进行用户评分数据收集与推荐结果显示,解决非注册用户的行为模式,有效提高推荐系统的推荐质量和推荐效率。基于协同过滤产生的数据稀疏性问题,以及冷启动和扩展性问题,恰恰可通过基于内容过滤的推荐方法来进行改善,同时利用Web数据挖掘技术解决大量用户信息,特别是非注册用户的行为模型,三种推荐方法的互补性使得各自的优点均得到发挥。该混合推荐技术充分利用了用户的相关信息,结合用户隐性兴趣和显性兴趣,使得推荐结果更符合用户需求。本文的主要研究工作包括:(1)对当前国内外主流推荐技术进行研究分析,发现普遍存在推荐方法单一、推荐自动化程度低和缺乏个性化推荐等问题。(2)提出基于协同过滤为主,Web挖掘和内容过滤为辅的转换型混合推荐方法,详细介绍了该混合方法模型设计与实现,该方法的优势在于有效的弥补各自算法缺陷,同时充分发挥了各自的优势。(3)以设计基于混合方法的数码电子商务推荐系统实验型网站为实例,并与其他采用传统推荐方法的推荐系统作比较,得出客观有效的测试结果。