随着电子商务规模的不断扩大,个性化推荐技术已经得到广泛应用。然而,传统推荐系统已经无法满足当前数据处理的需求,具备良好的大数据处理能力成为新型个性化推荐系统的基本要求。此外,传统推荐系统往往局限于有形商品推荐,对于电商物流服务推荐关注较少。本文通过对电子商务环境下的信息个性化推荐服务进行深入研究,结合大数据的应用背景：首先,针对传统算法的不足,从推荐模型增量更新着手,提出了用户相异度的概念,并在此基础上构建了增量更新的用户相异度矩阵模型,同时结合Hadoop云计算平台对模型实现了分布式构建。模型内在的增量更新与外在的大数据处理技术支持,二者相辅相成,使得模型能够对大数据进行高效处理。其次,将用户相异度矩阵作为推荐模型,提出了IU-UserCF和UDB-Slope One推荐算法。基于增量更新推荐模型的这两种算法具备良好的扩展性,能够有效处理大数据,并且具有很高的预测准确性。最后,将提出的算法应用于实际系统,以电商物流服务作为推荐对象,以IU-UserCF作为推荐算法,研究构建了面向电商物流服务的个性化推荐系统。该电商物流服务推荐系统对大数据下推荐算法的应用实践进行了探索,丰富了个性化推荐技术的应用场景。