在电子商务领域,随着商品信息不断增加,用户想要找到自己所需要的商品显得更加困难。如果电子商务网站需要获得更高的效益,则必须更好的满足用户的需求。个性化推荐系统能很好的完成这一任务。使用户更容易找到自己感兴趣的商品。个性化推荐系统可以提高用户的忠诚度及满意度,为企业创造更多的价值。本文在对电子商务中的数据仓库、个性化推荐系统以及消费者心理进行深入研究的基础上,分析了现有个性化推荐算法中存在的不足,将消费者心理学应用于个性化推荐系统中。首先,针对现有基于商品特征的个性化推荐算法中,不能准确描述消费者对商品特征认识的问题,提出一种用户显意识下的多重态度个性化推荐算法,引入消费者多重态度函数,从不同角度去描述消费者心理特征,使推荐结果更符合用户的需求,体现了不同消费者对商品特征的不同认识。其次,经进一步研究发现,基于商品特征的用户显意识多重态度算法没有考虑到用户对商品特征认识的变化。针对此问题提出一种的适应用户显意识变化的推荐算法,在推荐算法中加入用户近期兴趣权值以及用户历史兴趣权值,提高推荐精度,从而有效地解决了在用户显意识发生变化时推荐结果不准确的问题。为验证提出的个性化推荐算法的可行性以及正确性,本文建立了实验模型,并用Java实现了提出的推荐算法,达到了预期效果。