随着网络购物的兴起,各电子商务平台也纷纷涌现。在电子商务平台购物已经成为许多人生活方式的一种。然而,各种纷繁复杂的商品信息往往让用户眼花缭乱,不知如何选择。而推荐系统的出现正是为了解决这一问题的。一个好的推荐系统能帮助客户在尽可能短的时间内找到与客户需求爱好相匹配的商品,构建良好的客户体验。然而,原始的推荐算法在运用过程中却经常出现推荐不准的情况,究其原因,推荐系统忽略了顾客购买该产品的背后的原因进行深入分析。顾客购买商品是受本身偏好驱动的。如何找到客户偏好的载体,并将其引入到推荐模型的构建中,是推荐算法是否有效的关键。本文采用商品属性权重代替客户偏好,借鉴属性权重的聚类优化的思想,建立了基于商品属性权重的推荐算法模型。本文中的模型区别于其他模型在于以下两个方面:一是将推荐系统服务范围拓宽了,系统由向单一客户做推荐转向对符合某一规则下的客户群体做推荐。这样,对于符合该规则的客户,即使其没有购买记录,仍然可以获得相应的推荐;二是从商品属性的角度提供了一种新的优化方法。通过引入商品属性权重来优化推荐算法,并以此提高推荐的准确率。文章以A服装电商平台为例,构建函数模型,使用软件Extendsim进行优化计算,通过与原始的推荐算法的效果进行比对,最终验证了基于商品属性权重的推荐算法的有效性。