随着计算机技术和安全性的提升,电子商务拓展到了军事、教育、医疗等领域,互联网上可供选择的商品数巨大。但是逐步扩大的互联网规模导致各大电子商务网站处理着大量的内容,并提供大量的结果来响应用户查询。导致用户无法过滤掉无关的商品信息,这给用户造成了信息过载的问题。商家逐渐意识到在当今瞬息万变的商业环境中,以最有效和最及时的方式满足客户需求是至关重要的。为了更快更准确的帮助用户找到符合他们兴趣的信息,推荐系统应运而生。推荐系统跟踪用户的浏览行为,并利用合适的推荐算法来预测用户感兴趣的商品。在推荐系统的研究中,推荐算法的确定和用户信息获取的准确性是研究的关键问题。为了跟随电子商务的潮流和趋势,本文在实际需求的情况下开发了个性化推荐式网上书店系统,实现了集个性化推荐与在线书城于一体的专业型电子商务网站。本文所做工作如下:1)研究推荐系统和Web开发所用到多种技术,首先从推荐系统的国内外相关技术得研究背景出发,对基于内容的过滤、基于内存的协同过滤、基于模型的协同过滤以及基于聚类的协同过滤推荐算法进行详细讲解;接着对系统开发所用到的Web开发技术和开发过程进行了详细阐述。2)针对协同过滤遇到的稀疏性问题,阐述了稀疏性问题的成因以及对推荐系统的影响,并利用评价指标对现有解决稀疏性的算法进行评测。3)对book-Crossing数据集的数据进行处理后,再利用准确率和召回率对协同过滤算法和基于k-means算法进行对比,来说明妥善处理完稀疏性后推荐性能更好。4)分析了个性化图书推荐系统的需求,从功能性和非功能性两个方面进行分析,从参与者的角度对系统进行设计并把系统划分为用户端模块、服务器模块以及数据库模块。最后就系统的实现过程进行详细介绍。本设计开发的个性化推荐式网上书店系统利用算法进行反复的实验,已经能够完成网上书店的所有基本功能,同时能够动态高效地推荐给用户感兴趣的图书项目。