在互联网与信息技术迅猛发展的时代背景下,电子商务平台的数据量日益庞大。消费者对于电子商务平台提供的购买参考信息的需求不断增长,电商平台的推荐系统对于消费者购买行为的影响也越来越大,能否有效地通过推荐系统,满足用户的消费需求,直接影响电商平台能否在激烈的竞争中取得先机。随着电商平台的数量越来越多,用户的行为信息分布在各个不同的电商平台,对于某个电商平台来说,其掌握的用户信息是不全面的,基于此,本文从充分利用竞争者信息的视角出发,提出了一种基于竞争者信息的个性化推荐算法。本文首先对于现在比较成熟的个性化推荐算法进行了总结,并对主要的推荐技术进行了综述,在此基础上对推荐效果较好的协同过滤算法进行了分析,总结了协同过滤算法在解决数据稀疏问题上的不足,并提出了优化方案。本文发现用户信息分布在不同的电商平台中是造成数据稀疏的一个重要原因,因此提出了在协同过滤推荐技术中引入竞争者信息的方案,主要在三个方面解决了用户信息割裂在不同电商平台的问题:1)利用不同电商平台间的共同用户传递有用信息,缓解推荐主体的数据稀疏问题;2)利用商品间关联的反映出用户的购买需求,并在竞争者电商平台和自身平台中挖掘用户需求,填充用户-商品评分矩阵的缺失项;3)竞争者电商平台的购买记录可以反映出用户的兴趣特征,将这些特征引入目标电商的协同过滤算法中,提高协同过滤的效果。本文将这三种思路有机的结合起来,在此基础上提出了基于竞争者信息的个性化推荐算法,最后选取了两个服装类跨境电商SHEIN和ROMWE的数据集对本文提出的算法进行验证,实验表明,确实可以有效解决数据稀疏问题,改善推荐效果。