基于关联规则的数据挖掘在相关领域已经有了一定的应用和发展,国内外研究者在关联挖掘算法进行了大量的理论研究和模型计算工作。在相关研究中,尚未有专题论述个性化推荐方案的设计及应用。本文的研究内容主要利用已有的数据挖掘技术研究成果,以M公司的实例来说明关联规则在电商企业个性化推荐方案设计中的应用。结合市场营销中基于客户细分、商品关联品类管理的理论,提出M公司基于关联规则下的电商个性化推荐的方案设计。通过对方案的评估与评价,得出关联规则在电商个性化推荐中的具体应用,以关联规则对M公司的交易数据进行分析,挖掘出客户的偏好,呈现最优商品陈列排序,提供可靠的商品售卖组合,促销方案选择等全面实施个性化推荐。以此对电商业务作出科学预测并获得经营决策的参考方案,为企业的提升经营业绩提供了具体的指向,进而加强了企业与客户的关系。本文的内容包括以下几个方面：(1)介绍了电商个性化推荐的相关理论。主要进行文献综述,介绍个性化推荐系统的结构及对个性化推荐常用技术,同时介绍了关联规则技术的定义、种类、应用,并重点介绍了关联规则算法。(2)基于关联规则的电商个性化推荐方案设计。这是本文的核心内容,首先提出了本设计方案中个性化推荐所采用的技术架构,并提出基于SQL的多维关联规则算法。然后指出电子商务个性化推荐有不同的设计方案,确定个性化推荐方案的评价指标。(3)针对M公司提出基于关联规则的电商个性化推荐方案设计及评价。以M公司为例进行数据处理、建模、应用分析,通过个性化推荐方案的评价指标验证推荐算法具有更可靠的质量,论证本文所提出的设计方案更加符合现实应用需要。(4)论文最后对以上工作进行了总结与展望。