近年来，电子商务发展迅速，随着商业web 站点的快速增长，信息的过载为用户在选择他们最中意的产品时带来了沉重的处理负担。为了解决信息过载带来的困扰，致力于满足不同用户的不同偏好的电子商务个性化推荐系统应运而生。　　 关联规则作为目前推荐系统中应用最广泛的个性化推荐技术之一，也得到了越来越多研究者的关注。　　 论文分析了关联规则挖掘算法和模糊关联规则挖掘算法的研究现状，指出关联规则挖掘技术已经取得了丰硕的成果，特别是模糊理论更能较为准确的表达现实世界的真实情况，但是与实际的需要相比还存在一定的不足之处，主要有以下几个方面的不足——在提高规则的质量、动态关联规则挖掘、关联规则的组织和处理、新型扩展型关联规则的方面仍需进一步研究。　　 针对现在的关联规则挖掘算法没有考虑到商家的利润问题，论文提出了一个新型的扩展型关联规则挖掘算法——加权模糊层次关联规则挖掘算法WFGAR。该算法将产品的利润因素作为项目的权重，挖掘过程中同时考虑产品的销售数量，挖掘出的关联规则可以使商家优先向用户推荐利润较高的商品。此算法更加符合实际情况。　　 在人工数据集上，对论文提出的加权模糊层次关联规则挖掘算法WFGAR 进行了仿真测试。实验通过变化最小支持度、事务数量、扇出以及项目数，对WFGAR算法的性能进行了测试。实验结果表明新提出的WFGAR 算法在考虑了项目权重的情况下，算法的运行效率并没有明显的降低，仍具有较好的性能。新提出的算法由于考虑了利润因素，因而更加符合实际情况。