随着互联网的普及和网络营销的盛行,电子商务系统为企业提供无限陈列空间,为客户提供更多商品选择的同时,其结构也日趋复杂。客户面对海量的商品信息束手无策,无法顺利找到所需的商品,“信息迷航”和“信息超载”问题日趋严重；商家也不能顺利取得与客户的联系,销售措施更是无从谈起。网络营销推荐系统的出现和应用极大的改善了这一系列问题,它能够有效保留客户、防止客户流失、提高电子商务系统的交叉销售量。然而,当前的网络营销推荐系统在实际应用中还并不成熟,数据稀疏性问题严重,因无法很好的应对用户兴趣漂移问题,致使推荐质量欠佳、推荐实时性差。针对网络营销推荐系统所面临的这些挑战,本文分析了当前推荐系统的国内外研究现状和主要推荐技术的优缺点,在已有的混合推荐研究基础上进行创新,推出一种基于内容过滤和协同过滤改进的网络营销推荐算法,以协同过滤为主,内容过滤为辅,基于“非线性逐步遗忘函数”建立用户兴趣模型,预测非目标用户未评价商品评分,解决数据稀疏性问题和用户兴趣漂移问题；引入“领域最近邻”处理方法查找目标用户的最近邻,预测其未评价商品评分,以此为基础做出推荐,有效提高推荐系统的推荐质量和推荐实时性。该改进方法充分利用了用户的人口统计信息计算用户间的相似性,使得推荐结果更符合用户需求。本文的主要研究工作包括：(1)通过分析当前国内外的推荐系统研究现状,发现普遍存在缺乏个性化推荐、推荐方法单一以及推荐的自动化程度低等问题。(2)提出了基于遗忘函数和领域最近邻处理方法的混合推荐方法,详细介绍了该混合算法的各个改进步骤和计算方法。(3)以Movielens的公共数据集为基础,通过对比实验,比较了本文提出的网络营销推荐方法与其他采用传统推荐方法的推荐效果,得出了客观有效的测试结果。