近年来,随着电子商务规模的迅速扩大和网上交易量的急速增长,越来越多的商品种类和海量的信息充斥着每一个网上消费者的生活,人们在进行网上购物或网上浏览时,面对海量的信息,难免会变得茫然和不知所措?为了使用户能够方便快捷地得到所需要的信息和商品,推荐系统应运而生,其目的是向网上用户提供适宜的推荐,以帮助用户更加方便的购买?浏览所需要的商品和信息?推荐系统在电子商务中的角色就像现实生活中商场里的销售员,向顾客提供商品的信息和推荐建议,帮助顾客找到自己满意的商品并完成商品的购买过程?推荐系统在电子商务繁荣的背景下产生和发展,并且其应用日益广泛,对其的研究也越来越受到学者们的关注?论文对电子商务推荐系统中的推荐算法作了较为深入的探讨和研究,在分析当前研究现状的基础上,详细阐述了各种具有个性化的推荐算法在电子商务推荐系统中的应用及发展前景,并分析了各种推荐算法的优点和不足之处?论文重点对协同过滤技术进行研究,在传统的协同过滤算法以及目前对协同过滤算法的改进方法进行分析研究的基础上,提出了一种基于聚类和项目多内容相结合的协同过滤推荐算法,改进的算法有效地解决了传统协同过滤算法中出现的数据稀疏性问题和可扩展性问题?论文利用改进的协同过滤推荐算法,在学校图书馆读者网上信息系统中添加推荐功能,目的是帮助读者更加方便快捷的借阅图书,有效地利用图书资源?论文最后通过对比实验,将改进的算法和当前研究的协同过滤算法从预测精度和推荐效果等方面进行比较,并得出实验结论,通过实验验证了基于聚类和项目多内容相结合的协同过滤算法改进方案的实际表现?