互联网技术以及电子交易安全技术的不断成熟，为电子商务的发展提供了广阔的发展前景。数据挖掘作为一种从海量数据中发现蕴藏在数据内的规律的技术，电子商务则是其最理想的应用领域之一。 电子商务网站作为众多实施电子商务企业直接面对客户的第一窗口，如何真正实现个性化的商品推荐甚至全面的个性化服务，是实现稳定的客户群体、挖掘潜在的客户源，保持企业利润源泉的重要方面。近年来，如何提高商业网站的有效性，尤其是如何运用个性化推荐技术实现电子商务个性化服务已逐渐成为一个能引起广泛兴趣的热点课题。 本文简要归纳了在电子商务网站个性化商品推荐中采用的主要的聚类挖掘技术；针对商品相似性和用户购买相似性这两种不同的情况分别给出了基于划分的聚类协作过滤推荐和基于层次的聚类协作过滤推荐的方法和具体步骤及算法，并采用目前主流的开发平台Microsoft Visual Stdio．Net对不同的方法进行了具体实现和相互分析对比。 本文着重在以下两个方面进行了探讨： 1．根据目前电子商务网站中商品个性化推荐的现状，本文提出对不同性质的商品应采用不同的商品个性化推荐方法。具体做法是：对易于获取用户评价的商品可根据商品的相似性采用均值聚类协作过滤推荐，而对于其它无用户评分的商品或不易获取用户评分的商品则应根据顾客购买相似性采用基于类别聚类的协作推荐方法。聚类算法在电子商务个性化服务的应用中最常用的是基于数值型的均值聚类，而将基于类别的属性聚类应用于电子商务系统则是对原有应用的一个拓展。 2．针对基于类别的层次聚类往往需事先确定预期的聚类个数这一先天不足，本文对传统Rock算法进行了改进，提出了Improved—Rock算法。该聚类算法充分运用图中孤立点的性质，能自动终止聚类过程并形成合理的聚类集。经数据测试表明，该算法有效实用，对电子商务个性化服务、个性化营销的推动具有积极的意义。