在当今信息社会,网络技术和信息技术高速发展,前所未有的、庞大的数字化信息资源的海洋出现在人们的面前,这是一个令人振奋的消息。但是,从另一个角度考虑可能对于某特定用户的特定需求来说,信息可能是局限于某一个范围内的。而且,在传统的Web服务中,信息的分布是在不同层次的页面中的,一个用户为了得到想要的信息只能从复杂繁琐的栏目和页面中去寻找。这显然是不科学的,既耗费的用户的时间,又影响用户的使用体验。尤其是当下网络经济的浪潮风起云涌,为了解决这个问题,满足特定用户的特定需求,是用户能在较短的时间内获得组织良好的满足需求的信息,实现真正意义上的主动、交互、个性服务,将是商家当今企业营销中不可或缺的重要营销方式。采用Web数据挖掘技术,一方面将大量的看似无关的庞杂的网上的数据组织起来,这样从中我们可以挖掘需求的有用知识,另一方面可以获取关于群体用户搜索行为和方式的普遍知识,之后,经过对理解和分析这些知识,例如对用户的搜索行为、访问频度、搜索访问内容等的分析,能提取出该用户的行为等特征,从而制定针对该用户的个性化界面。采用数据挖掘技术之后,我们可以更好地了解用户交互行为数据中所包含的意义,因此,在个性化推送服务、信息智能化服务等领域,都进行了该技术的广泛应用。本文对电子商务个性化推荐技术进行了研究:深入分析了电子商务推荐系统的相关技术及算法,根据目前电子商务推荐系统的发展现状,提出了最新的电子商务推荐系统的体系结构;不仅满足系统推荐精度和实时性需要,而且将系统分为两部分:离线挖掘和在线推荐,并具体针对每一部分的功能和技术进行分析实现。分别分析了基于用户的推荐系统、协同过滤的推荐系统和基于内容的推荐系统,最后设计了将三种推荐算法结合的推荐系统,并进行实验,将新设计的推荐系统与三种分别的推荐系统进行比较,进行总结和展望。