随着互联网和电子商务的发展,个性化推荐系统逐渐成为电子商务IT技术的一个重要研究内容,得到了研究者越来越多的关注。其中,协同过滤推荐技术和基于分类的推荐技术是个性化推荐领域重点研究的问题。本文主要针对以上两个问题展开研究。在协同过滤推荐技术方面,分析了目前存在的问题,指出随着电子商务系统用户数目和商品数目的日益增加,整个项目空间上用户评分数据极端稀疏,传统的相似性度量方法没有考虑项目所属类别对项目相似性的影响,因而计算结果不够准确。针对目前已有的协同过滤推荐技术存在的问题,提出了一种新的计算项目相似性的方法,借助于该方法对用户评分数据进行处理以提高项目相似性计算结果的准确率;在用户初步预测评分阶段,提出一种新的计算用户初步预测评分的方法以提高用户评分矩阵的数据密度;在用户最终预测评分阶段,提出一种新的计算用户最终预测评分的方法以提高用户预测评分的准确性。为了提高协同过滤推荐系统的实时性,提出一种增量协同过滤推荐算法并用实验验证了新方法的有效性。在基于分类的推荐技术方面,提出了一种新的用于得到用户序列访问事务集的算法,应用该算法可以快速获取用户序列访问事务集;根据用户推荐模型和当前用户输入特征序列得到当前用户相应于推荐模型的初步推荐集;同时,提出了页面推荐度的定义及其计算方法,并结合初步推荐集来确定返回给用户的最终推荐集。最后通过实验验证本文提出方法的正确性和有效性。