随着互联网的普及和电子商务的发展,电子商务系统在为用户提供越来越多的选择的同时,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,无法顺利找到自己需要的商品。电子商务推荐系统直接与用户交互,模拟商店销售人员向用户提供商品推荐,帮助用户找到他们真正所需购买的商品。在日趋激烈的竞争环境下,电子商务推荐系统能有效保留用户、防止用户流失,提高电子商务系统的销售。电子商务推荐系统在理论和实践中都得到了很大发展。但是随着电子商务系统规模的进一步扩大,电子商务推荐系统仍面临着一系列的挑战。针对电子商务推荐系统面临的主要挑战,本文对电子商务系统中推荐算法设计以及推荐系统体系结构等关键技术进行了探讨,对基于组合推荐模式的电子商务推荐系统进行了有益的探索和研究。论文的主要工作如下:一、论文对现有推荐系统进行了分析研究,分析比较了各种类型推荐系统的优势和不足,以及现有的典型推荐系统实例的特征。二、提出了基于组合推荐模式的电子商务推荐系统,其核心思想是采用多种模式的推荐算法来完成推荐。其优势在于:有效的弥补了各个算法彼此间的不足,同时充分发挥了各自的优势。三、论文对推荐系统中用户兴趣描述的获取及建立进行了研究,提出了采用用户显式兴趣描述及隐式兴趣共同表示用户兴趣,并对它们的获取及表示方式进行了分析。四、论文对传统的物品相似度算法和用户相似度算法分别进行了详细研究,提出了新的计算策略和改进算法,优化了传统相似度推荐算法。五、论文还以带有推荐功能的数码时尚实验型网站为实例,将论文中所提出的组合模式应用到该电子商务推荐系统中,并得出客观有效的测试结果,令人鼓舞。