利用个性化推荐推动企业电子商务在改善顾客关系、培养顾客忠诚度以及增加网上销售方面具有明显的效果。现有的一些电子商务网站通常利用普通的数据库查询技术形成产品推荐,其最大的优点就是查询速度快,但索引会对insert、update、delete等操作产生影响,降低系统性能,影响客户体验。推荐系统需要有大量的数据才能为新顾客做出准确有效的推荐,因此近年来基于数据挖掘的技术在产品推荐中得到了越来越多的关注。为了解决电子商务网站查询存在的问题,设计准确有效且高性能的个性化推荐系统,需要基于数据挖掘领域的技术设计新的个性化推荐系统。针对现有普通的数据库查询技术在相关产品推荐上存在的缺陷,采用基于关联规则挖掘的方法,实现设计准确有效且高性能的推荐系统。首先讨论购物网站相关商品的个性化推荐和目前常用的基于数据库查询的弊端。然后,引入数据挖掘中的关联规则技术作为规则挖掘的基本的实现手段,来实现大型数据库下高效准确的相关产品推荐。为了克服FP关联规则方法在内存上的瓶颈,在此基础上采用了改进FP关联规则挖掘频繁项集,结合支持度-置信度-兴趣度的方法实现电子购物中的相关产品推荐系统。通过实例证明了所设计的推荐系统具有较高的效率和较准确的推荐能力。