近年来,电子商务个性化推荐系统在网络上获得了普遍的成功,协同过滤是其中应用最为广泛的个性化推荐技术.但是,网上有效信息的数量和商品的种类的急速增长对推荐系统提出了严峻挑战,协同过滤推荐中存在的冷开始和稀疏问题急待解决.为了解决这些问题,该文讨论了电子商务个性化推荐和一些推荐方法,分析了协同过滤推荐的冷开始和稀疏问题的根源.在研究了协同过滤推荐和基于内容推荐的特点之后,提出了一种采用基于内容的推荐改进协同过滤的组合推荐方法,利用基于内容的推荐对相似项目的分析,弥补协同过滤推荐在新项目推荐方面的不足.这种组合推荐算法首先利用基于内容的推荐分析项目的特征属性、找出新项目的相似项目,然后通过用户对相似项目的评价来预测对新项目的评分,最后使用传统的协同过滤推荐在相似项目的范围内计算邻居用户并给出最终的预测评分.因此,这种组合推荐算法能够有效的解决传统的协同过滤推荐中的冷开始和稀疏问题问题.随后,设计了组合推荐算法的仿真实验,统计分析了实验结果,比较了组合推荐算法和传统的协同过滤推荐算法、基于内容的推荐算法,从而表明了组合推荐算法的准确性.最后,说明了引入组合推荐方法的电子商务个性化推荐系统的结构,介绍了引入组合推荐方法的电子商务个性化推荐系统在网上音像制品销售行业的应用.