随着网络的日益普及,电子商务网已经成为顾客购买商品的重要场所。然而,为了满足用户的需求,电子商务网中的商品量迅速膨胀,这使得用户经常迷失在浩瀚的商品信息中,难以找到自己满意的商品。为了让客户能够轻松的找到自己满意的商品,给每位顾客安排一位商品导购员是迫切的需求。而电子商务推荐系统就是在这种需求下的产物。协同过滤技术中应用最广泛的是基于用户的协同过滤技术和基于项目的协同过滤技术。基于用户的协同过滤推荐系统在过去是非常成功的,它根据用户对项目评价的相似性对用户进行分类,所得到的推荐结果是比较精确的,并且能够容易挖掘出目标用户潜在的新兴趣,即能够实现奇异发现。但是,这种推荐技术存在着明显的可扩展性、数据稀疏性问题。基于项目的协同过滤很大程度上解决了稀疏问题和冷开始问题。但该技术对用户的推荐基础只是建立在项目的相似性基础上,因此只能给用户推荐他熟悉的项目,不能作出跨类型(cross-genre)的推荐,缺乏“奇异发现”(serendipity)的能力。本文首先对电子商务推荐系统进行了较深入的研究,详细分析了各种个性化推荐技术在电子商务推荐领域的应用现状和前景。在此基础之上,重点研究了电子商务推荐领域应用最广泛的推荐技术一协同过滤技术。然后对推荐系统的应用实例一网上商城系统进行了需求分析,系统设计。对系统模块进行了详细划分,并对每个模块的功能需求进行了详细分析。在系统实现部分,重点讲述了推荐系统的实现,而推荐系统中最核心的就是推荐算法,通过对传统的协同过滤算法的研究与分析,提出了一种改进的协同过滤算法CIUCF,并详细讲述了改进算法的改进思路,算法表示,与算法流程。对改进的算法进行实现,详细讲述了推荐系统的架构,并通过类图方式设计出了推荐系统的类结构。最后,在实验部分,首先利用GroupLens提供的数据集综合考虑各种因素,设计了5组实验方案对改进的协同过滤算法进行了测试。然后对整个网上商城系统进行测试。实验结果表明改进的协同过滤算法可以有效的传统的协同过滤算法所面临的问题,并且在推荐结果的精确度方面有了显著的提高。