电子商务因其成本低廉、快捷、不受时空限制等优点在全球范围内得到普及和发展,它的规模也在进一步扩大。在电子商务为用户提供越来越多选择的同时,它的结构也变得越来越复杂,电子商务的发展面临这样一个新问题——一方面,用户对网络上提供的众多商品信息并非完全感兴趣,通常要通过多次浏览才能找到满足自己需求的商品;另一方面商家也不能全面的了解用户的个人需求,提供给用户的是千篇一律的界面,无法维护稳定的客户关系。缺乏个性化服务成为制约电子商务发展的关键问题。 Web数据挖掘就是在这样的背景下与电子商务结合在一起的。Web挖掘是从Web文档和Web活动中发现、抽取感兴趣的、潜在的有用模式和隐藏的信息。它将传统的数据挖掘技术和web结合起来,可以在多方面发挥作用,是数据挖掘领域的一个新的研究方向。基于Web数据挖掘的电子商务推荐系统可以满足电子商务未来发展趋势的需要。 本论文的主要工作表现在以下几个方面: 1.分析了目前电子商务的现状和发展趋势,对Web挖掘技术进行了介绍。 2.深入研究了电子商务推荐系统所使用的推荐算法,重点讨论了目前使用最为广泛的协同过滤推荐算法。 3.在上述研究的基础上设计了基于聚类的协同过滤推荐系统,并对k-means聚类算法进行了改进。 4.对基于聚类的协同过滤推荐系统的聚类算法进行了实现和评价。 最后,本文对作者所完成的工作进行了归纳和总结,并讨论了将来进一步的研究方向。