随着电子商务的发展,信息过载问题日益严重,推荐系统成为电子商务系统中必不可少的组件。个性化推荐技术是推荐系统中核心与关键的技术。目前主要的推荐技术有,协同过滤推荐技术;基于内容的推荐技术;基于用户统计信息的推荐;基于产品分类的推荐;基于效用的推荐等。在产品推荐的各项推荐技术上,推荐信息与用户的兴趣的相关度很高,因此推荐的首要问题是如何挖掘用户信息偏好和兴趣,其挖掘的精度将影响推荐精度本文首先对聚类分析的理论、方法与过程进行研究。主要通过聚类分析的优势,算法,应用等方面对聚类分析进行研究。聚类分析是在给定的数据集中搜索数据对象之间存在的有价值的联系,应用聚类分析有以下优势:广泛性,客观性,实用性。应用聚类算法的不同的特点与不同的类别,进行实行应用与指导。接着本文通过推荐系统、推荐技术和推荐研究的热点问题等对个性化推荐进行研究,并比较了国内外电子商务网站推荐策略。主要对基于用户的聚类与基于项目聚类的协同过滤研究与比较,提出本文的用户聚类策略,介绍该推荐策略的基本思路与聚类流程,首先进行产品分类,将不同的产品置于同一属性空间下,用同一个属性空间对不同的产品进行描述,进行基于属性的聚类,再以购买相似为基础,对用户聚类,综合两种聚类,形成最终的聚类结果并产生推荐。最后提出基于本文的聚类的结果的一种兴趣模型的改善,以类用户进行兴趣发现,通过产品属性隶属度函数的建立,构建两个层次的兴趣集,更加精确的发掘类用户的兴趣,实现群推荐。