随着计算机技术和计算机网络技术的突飞猛进的发展,电子商务作为一种新的商务模式也得到了快速的发展。在当前的电子商务模式下,如何与客户建立良好的关系、如何提高客户的忠诚度、以及如何在保持老客户的同时获取新客户都是非常重要的问题。这就需要电子商务企业了解用户的喜好,从而准确地向用户提供个性化的服务,推荐他们感兴趣的商品,帮助他们便捷快速地找到所需商品。数据挖掘技术就是从数据源中发现并抽取潜在的、感兴趣的、隐藏的信息和有用模式。将数据挖掘技术与电子商务结合起来,建立电子商务推荐系统,通过对用户的偏好、访问行为和内容等进行分析从而提取出需要的有用的知识,并由此得到用户的访问模式,进而分析和理解用户特征,提供个性化的推荐服务。本文依据准确性和高效率的宗旨,建立了一个基于数据挖掘的电子商务推荐系统模型。同时在深入研究了电子商务推荐算法的基础上,通过加入最远新聚点的改进方案对协同过滤算法进行了改进,提高了其效率,减轻了数据稀疏性问题。最后实现了推荐系统的原型并给出了实验研究结果。