随着信息技术和互联网技术的迅速发展,电子商务作为一种新型、高效的商务模式快速普及。电子商务系统为用户提供越来越多的选择,但是用户却会迷失在大量的商品空间中,无法顺利找到自己需要的商品。一方面原因是在电子商务环境下可选择的商品过于丰富,另一方面原因是由于用户和商品在空间上的分离。在这种背景下,商品推荐系统应运而生,它可以根据用户的特征和商品之间的关联来推荐商品。本文特别选择了B2C电子商务网站作为商品推荐模型的研究对象,在分析现有商品推荐技术的基础上,给出了一种适合B2C电子商务网站的,基于访问频率矩阵和文本相似度的商品推荐模型。本文主要研究了Web日志中有效数据的分析、提取、基于频率矩阵的商品关联发现和文本相似度计算。论文首先介绍了个性化服务以及个性化服务和商品推荐的关系,对不同的推荐技术进行了详细的比较,并分析了几种推荐技术对于B2C电子商务网站的适用性。其次,针对现有技术在推荐实时性方面存在的不足,给出了一种基于访问频率矩阵的商品关联发现算法,并使用该算法得出的商品关联生成商品推荐规则。再者,将文本相似度计算的概念引入商品推荐模型,实现商品相似度的计算,以改善推荐模型的覆盖率和匹配率。最后论文给出了B2C电子商务网站商品推荐系统的总体技术方案、系统结构和具体实现方法。在商品推荐模型的基础上,实现了一个商品推荐原型系统。原型系统包括用户交互模块、数据预处理模块、商品关联发现模块、商品介绍向量化模块和商品推荐模拟模块等六个模块。实验表明该商品推荐模型实现了B2C电子商务中商品推荐服务的功能,具有较好的实时性和实用性,基本达到了预期的效果。