摘要：随着大数据时代的到来,用户的个人信息以各种方式分布在不同的存储设备中,集成所有的用户信息并且通过一定的挖掘技术能够得出用户的潜在需求。目前电子商务发展飞速,移动电子商务更将在以后占据主导地位,如何能够迅速挖掘用户的个人潜在需求,把用户可能感兴趣的产品推送给用户成为大数据时代下,电子商务企业需要解决的问题。目前电子商务个性化推荐的精准度还有待提高,个性化推荐手段单一,并没有经过深层次的数据分析,而是已基于用户的浏览信息和购买信息给用户推荐相关产品。这种推荐方式的效率不高,大数据时代的个性化推荐框架应该从源头进行分析和挖掘。针对以上问题,本文从大数据集的源头出发,根据用户信息数据来源的不同方式,集合所有的个性信息,然后使用大数据时代下的挖掘技术,把具有相关联的信息挖掘出来,并且存储到企业的数据库中,供企业进行相关产品的推荐。构建了基于MapReduce的电子商务个性化推荐体系,并且给出了挖掘体系中的核心模块,基于MapReduce的思想,提出了把数据集分割的方法,简称为APD个性化推荐算法,有效的避免了对整个数据库的扫描,提高了挖掘效率,并且通过局部最优解与全局最优解的理论得出了基于MapReduce分割的APD个性化推荐算法的正确性。在基于APD的算法中,本文提出了一种逐步剔除的思想,通过设定支持度和置信度,在每个独立的数据块中逐步提出不符合设定的支持度的频繁项集,直到得出最优的结果,本文给出了算法的思想的流程,并且通过算法具体过程的演示和证明,能够得出本算法节省了时间和空间资源,是具有较高的效率的,能够满足大数据下个性化推荐对时空资源的要求。在以后的电子商务推荐中,尤其是当移动电子商务占据主动后,大数据下的挖掘技术将能够极大的提高电子商务推荐的精准度,将会取得良好的效果,解决实际问题,以此帮助营销人员找到正确的营销组合和策略,从而降低成本.提高营销的成功率及利润,挖掘出了潜在的关联性和规律,为商业系统中的零售业的科学决策提供理论依据。