近年来，随着互联网的普及和电子商务的发展，电子商务系统为用户提供越来越便捷的服务，然而，“信息过载”问题日益严重，复杂的站点结构让用户无所适从。虽然，搜索引擎技术的发展使用户能方便地检索信息，但人们有时并不确切知道自己要查询的目标，多数是无目的浏览，这些用户正是电子商务站点的潜在消费者。因此，商务站点的推荐服务逐渐成为研究热点。推荐系统预测用户的兴趣偏好，向用户推荐项目，其在电子商务系统中具有良好的发展和应用前景，准确有效的推荐，能吸引潜在用户，增加用户的黏性，提高站点的交易量。电子商务推荐系统在理论和实践中都得到了很大发展，但是随着电子商务系统规模的进一步扩大，电子商务推荐系统也面临着一系列挑战。对此，本文对目前的推荐系统和推荐技术理论进行了介绍，同时分析比较了国内外几个典型的推荐系统站点的推荐技术，进而提出了基于隐性反馈的个性化自适应电子商务推荐系统构建思想，其中包括用户浏览行为中隐性信息的分析与处理，以及自动、实时的推荐服务的设计与实现。本文提出了一种基于隐性反馈的个性化自适应推荐系统的设计方法。个性化推荐服务的效果主要取决于个性化信息的搜集与处理。然而，目前国内外主流的推荐服务网站中对隐性信息的使用还远远不够，同时，许多研究理论中提出挖掘用户的浏览行为信息，比如浏览时间，然而，仅以此来评价用户的兴趣度，误差率大。实验表明，以模糊理论知识进一步处理隐性反馈信息，能有效减低误差，提高用户满意度。另外，本文针对初始资源推荐问题、评价数据的稀疏性、推荐实时性差及推荐效果差等问题，提出一种以用户对当前浏览项目的实际兴趣度为基础，进行实时自适应的推荐方法。由于任何信息都有一定的时效性，实验表明，实时判断用户兴趣偏好，能有效把握用户兴趣偏移，实现系统相应的实时自适应推荐，能有效提高用户满意度。在理论研究的基础上，我们开发了一个SME电影推荐系统。