计算机、通信以及网络技术的进步促进了互联网与电子商务的快速发展。同时互联网的普及和电子商务的迅速发展使得海量信息过载的问题凸显了出来，用户在面对互联网中庞大的产品信息时很难快速找到自己所需要的产品。因此，电子商务推荐系统应运而生，它能够帮助用户快速而准确的找到所需产品。但此技术目前仍存在着数据的稀疏性、系统扩展性差及精确性低等一系列问题。本文在研究WEB数据挖掘的基础上，与现有的电子商务系统结合在一起，提出了基于WEB数据挖掘的电子商务个性化推荐系统的模型。WEB数据挖掘是从WEB文档和WEB活动中发现并抽取感兴趣、潜在的有用模式和隐藏信息，可以满足电子商务未来发展趋势的需要。本文工作的创新点是将推荐和比价两种技术结合起来，用目前流行的MVC的开发模式设计完成了在线图书比价推荐系统。在个性化浏览的实现过程中首先深入研究了WEB数据挖掘中不同算法并进行对比，选用基于用户和项目双重聚类的协同过滤算法为推荐系统的主要算法。在此基础上最终实现了搜索比价以及个性化推荐两个子模块。