随着互联网的普及和电子商务的飞速发展，近年来网上购物的用户数量逐渐增加，电子商务系统在为用户提供越来越多的选择的同时，其结构也变得更加复杂，用户经常会在大量的商品信息空间中，无法顺利找到自己需要的商品。为了给用户提供更好的服务，并满足用户个性化服务的需求，电子商务推荐系统应运而生。电子商务推荐系统直接与用户交互，模拟商店销售人员向用户提供商品推荐，帮助用户找到他们真正需要的商品。在当前竞争日趋激烈的环境下，电子商务推荐系统能有效保留用户，防止用户流失，提高电子商务网站的销售。 当前在国外电子商务推荐系统理论和实践研究已经得到了较大的发展，但在国内尚处于起步阶段，在各方面仍然面临着一系列的挑战。本文通过文献综述分析了当前国内外电子商务推荐系统研究的现状，归纳了主要推荐技术的优点及存在的不足之处，并对当前国内外主流的电子商务网站的推荐系统的应用状况做了实例分析。根据文献综述的成果，本文在新型电子商务推荐系统体系结构和推荐系统在实时性和推荐质量之间平衡的问题进行了一定的探索和研究，提出了一个基于混合方法(基于内容过滤和协同过滤推荐方法)的电子商务推荐系统框架。 本文的主要工作如下：1)对当前国内外主流的几个电子商务网站在推荐系统应用方面的现状进行了分析，发现普遍存在缺乏个性化推荐，推荐自动化程度低和推荐方法单一等问题。2)提出了基于内容和协同过滤的转换型混合推荐方法，该方法的优势在于有效的弥补了各个算法彼此间的不足，同时充分发挥了各自的优势。3)推荐系统本身将对只购买商品而不做评分的用户对商品进行默认打分，从而可避免丧失潜在用户评分数据的问题。4)在推荐系统模型中增加了数据收集模块，使用户评分反馈数据可以得到及时的更新。5)通过客户端推荐界面的合理设计，使用户评分界面和使用混合方法的“为你推荐”界面相分离，为推荐系统后台的运算提供时间，从而可以有效的满足推荐实时性的要求。