随着网络技术和数据库技术的快速发展和广泛应用,电子商务逐渐兴起并蓬勃发展起来,随着企业间竞争的加剧,电子商务网站如果想获得持续发展,就必须运用电子商务的在企业产生了大量的业务数据,为用户提供个性化的服务。因此,我们希望运用数据挖掘技术对海量数据进行分析,发现数据之间潜在的联系,从大量的数据中挖掘出有用的信息,用于个性化推荐系统,从而使电子商务网站提供更有效的服务。基于会员的个性化推荐系统直接与用户交互,模拟商店销售人员向会员提供商品推荐,帮助会员找到所需商品,从而顺利完成购买过程。在日趋激烈的竞争环境下,个性化推荐系统能有效保留用户、防止用户流失,提高电子商务系统的销售能力。本文通过数据挖掘,结合改进的关联规则算法与协同过滤算法,设计并实现了一个电子商务网站的基于会员的个性化推荐系统。本文首先对数据挖掘和推荐系统的研究现状和发展趋势进行了论述,设计和部分实现了在电子商务领域基于会员的个性化推荐系统,其中主要是特点是基于混合算法的自适应推荐引擎、关联规则的改进推荐算法Apriori-1。这种改进算法在基于避免不必要的项目组合以及一次性查询数据库的过程中建立起关联规则以用来提高算法的效率,从而避免了对数据库的循环扫描,降低了关联规则挖掘的复杂度,通过实验,证明这种改进的算法在电子商务的大量交易数据中具有显著的优势,推荐引擎中的混合算法也提高了个性化推荐系统的准确性。