互联网的普及和电子商务的飞速发展改变了人们传统的交易方式。越来越多的人愿意在网上购买商品,企业也因为电子商务的便利而获利不少。但电子商务的繁荣也造成了信息过载,用户在大量的产品信息中很难在较短时间内找到自己所需要的商品。电子商务推荐系统应运而生。它能直接与用户交互,帮助用户找到所需商品,从而顺利完成购买过程。电子商务推荐系统能够有效留住客户、防止客户流失,提高电子商务企业的销售及竞争力。电子商务推荐系统具有良好的发展和应用前景,得到很多研究者的关注,在理论和实践中都得到了很大的发展。但随着其规模的扩大,也面临着一系列的挑战。目前,国内的研究主要集中在推荐价格低廉而又品种繁多的商品上。而本文提出了一种基于三角模糊数的针对非频繁购买产品的推荐策略,即价格稍昂贵一些,在短时间内不经常购买的产品。本文总结了频繁购买产品的推荐后,分析了非频繁购买产品的特点,并针对这些特点,分析了一种基于三角模糊数的推荐策略。即从客户接口处通过一些定性的问题来获取客户需求,然后把客户需求和产品数据库的产品都基于产品的主要指标和重要的技术参数表示,最终以模糊向量的形式出现,再进行相似性比较,用模糊向量之间的距离计算结果代表它们的相似度,推荐相似度高的产品给用户。在量表的表示中,用三角模糊数来表示,比用单纯的一个数据更科学。在收集客户需求时,考虑到用户的品牌忠诚和偏好问题,论文引入品牌这一选项。在相似度计算中,引入了针对特殊模糊数的计算公式,并给出了具体的推导过程。在计算前,对产品和客户需求都进行了分类,只对类别内的产品和客户需求对比,减少了工作量,提高了推荐效率。文章以数码相机为例进行了分析和说明。走访相关专家,给出了数码相机的主要指标和技术参数,并采用专家打分建立判断矩阵,用层次分析法确定各指标和技术参数的权重。在数学软件MatLab中实现了客户需求和产品综合性能之间距离的具体计算。实验部分说明了该推荐策略的有效性。