电子商务的快速发展不仅为企业带来巨大的经济利益,也使用户购物变得更加简单,用户在家就能浏览大量的商品和信息。但是在为用户带来便利的同时,电子商务也为用户带来了烦恼,用户难以在无数的商品中迅速找到自己需要的。因此帮助用户在众多信息中找到他们真正需要的商品成为电子商务网站急需解决的问题之一。　　 个性化推荐系统能够有效的发掘用户需求,根据其需求为用户推荐能够符合其兴趣偏好的商品。协同过滤推荐技术是个性化推荐中应用最广泛的方法之一,它根据与目标客户兴趣相似的客户的评价为目标客户推荐符合其需求的商品。但是因为协同过滤推荐技术存在冷启动、评分数据稀疏、算法可扩展性差等瓶颈。这些瓶颈在一定程度上限制了个性化推荐的发展。　　 本文围绕如何解决评分数据稀疏性和怎样提高推荐精度对协同过滤推荐进行改进,提出了基于客户消费能力的协同过滤推荐模型。本文将客户消费能力定义为一个反应客户自身消费品位的综合消费偏好指标,影响客户消费能力的主要有客户职业、年龄、性别等信息。认为消费能力接近的客户之间的推荐比消费能力相差较大的客户之间的推荐更能被客户接受,综合客户消费偏好和兴趣偏好来对客户产生推荐更符合实际情况。而且,从客户基本信息中提炼客户消费能力能够加强对客户信息的利用,使得对用户的描述更加完善。因此提出将客户消费能力引入协同过滤推荐中,形成一种新的基于客户消费能力的模型。　　 本文首先利用客户基本信息计算客户消费能力,根据计算得到的消费能力对客户集进行过滤,筛选出与目标客户消费能力相近的客户形成新的客户集,对于与目标客户消费能力相差较大的客户不进行考虑。然后结合客户消费能力和客户评分数据来计算客户总的相似性,从过滤后的客户集中形成目标客户的最近邻居集,最后在目标客户最近邻基础上利用传统的评分预测和推荐方式产生项目集。将本文提出的改进模型应用到实际数据集中进行实验,实验证明基于客户消费能力的模型能够降低评分数据稀疏性和改进推荐精度。在文章的最后,本文对所做的研究进行了总结,分析了改进模型的不足和将来研究的发展。