互联网应用的普及,在推动了电子商务迅速发展的同时,也造成了信息的过载。作为电子商务的一种重要工具,推荐系统帮助消费者在海量的商品信息中得到有价值的购买建议,并相应地提高了销售业绩,因此在电子商务中具有良好的应用前景。然而,当前的电子商务推荐系统面临许多问题,例如,推荐质量受到稀疏的用户评价数据的严重影响,系统的可扩展性能差;推荐缺乏多样性,无法涵盖用户的完整兴趣等。本文针对这些问题,对电子商务个性化推荐系统中的推荐技术和体系结构等关键技术进行了有益的探索和研究。论文首先全面探讨了电子商务个性化推荐系统,包括系统的构成、功能、输入输出的表现形式,研究的内容和常用的推荐方法;接着对推荐系统所使用的多种智能化的推荐技术进行了分类讨论,包括协同过滤技术,信息过滤技术、数据挖掘技术、Horting图等和混合推荐技术,分析归纳了各种推荐技术的优点与不足之处,在现有的混合推荐技术上提出了一种基于用户兴趣聚类的协同过滤推荐改进技术;然后通过对用户显性兴趣和隐型兴趣的相似项进行聚类,选择与目标项相似性最高的若干个聚类作为查询目标项的最近邻居;再对改进的推荐技术的有效性进行了实验验证,结果表明基于用户兴趣聚类的推荐技术有效解决了用户评分较少而造成推荐困难的问题,显示出比传统的推荐方法更好的推荐质量和扩展性;最后在此推荐技术的基础上,对图书智能化推荐系统做了设计和实现。本文在电子商务智能推荐技术方面进行了探讨和研究,所开发的图书智能化推荐系统获得了较高的推荐质量和用户满意度,对电子商务智能化信息服务的发展具有一定的参考价值。