随着互联网的普及和电子商务的发展,电子商务也进入了飞速发展阶段。电子商务系统在为用户提供越來越多选择的同时,也存在信息过载问题,用户经常会在庞大的商品信息空间中,无法快速准确的找到所需要的商品。在个性化营销思想的指导下,个性化推荐系统成为帮助用户从海量数据中找到需要的信息的有效解决方案。在Fl趋激烈的竟争环境下,商品推荐系统有助于留住客户、防止客户流失,提高电子商务企业的销售以及竟争力。个性化推荐系统在电子商务系统中異有良好的发展和应用前景,逐渐成为电子商务技术的一个重要研究内容,得到了研究者越來越多的关注。　　本研究首先介绍个性化营销理论,它是个性化推荐系统的理论基础,个性化推荐系统通过主动收集客户信息,并通过技术手段分析并获取用户偏好,并对用户偏好进行预测,向用户推荐合适的产品。电子商务个性化推荐系统直接与用户交互,模拟销售人员向用户推荐商品,帮助用户找到所需的商品。推荐系统不但能够主动收集用户的各类信息,了解用户的需求,而且还能够以主动的营销行为去影响用户的行为和选择。　　为了克服传统推荐系统中智能化不足等问题,本文在传统协同过滤推荐思想的基础上,引入多智能反馈学习机制,设计了基于多Agent的电子商务个性化推荐系统。系统在推荐过程中,将推荐项目作为一个推荐主体,对网络用户提供的静态和动态信息进行分析,以挖掘用户的显性和潜在需求,自主推断该推荐项目是否适合目标用户。同时,推荐主体还可以根据用户反馈进行主动学习來提高推荐精度。文章还異体阐述了多Agent的电子商务推荐系统的系统设计和开发进程,并对系统的结构和功能实现进行了详细介绍。最后文章使用MovieLens数据库对系统的性能进行实验,与传统的协同过滤推荐相比有更好的准确性和实时性,对于提高网上信息的使用效果,增加网络顾客的满意度,提高网上交易效率,促进网络企业的发展,異有重要意义。该推荐模型也可以很好应用于图书馆推荐系统以及部分电子商务推荐系统。