随着Internet和信息技术的飞速发展,电子商务个性化推荐作为一种崭新的智能信息服务方式,针对不同的用户,通过对用户个性、习惯、偏好的分析,准确地向用户提供感兴趣的信息和服务,满足用户对于个性化产品需求的同时,提高了企业的竞争能力,得到了广泛重视。在大众消费能力逐渐提高、选择产品变得更为精细的今天,汽车作为日常生活中越来越普及的交通工具,人们对其个性化的需求越来越大。由于汽车配置属性参数繁多,其用户群体更需要个性化推荐服务帮助其进行购买决策,个性化推荐系统成为解决这一问题的有效工具。本文在借鉴国内外研究成果的基础上,通过分析汽车电子商务的特点,对协同过滤推荐算法及其在汽车电子商务中的应用进行了研究,主要工作包括：(1)分别从汽车销售商和用户的角度,分析汽车电子商务个性化推荐服务的重要性,并对电子商务个性化推荐系统的组成结构和整体框架,以及主要的推荐技术进行了比较、分析。(2)针对传统协同过滤推荐算法评分数据稀疏性和冷开始问题,采用基于属性值偏好矩阵的协同过滤算法,通过对矩阵的降维以及构建属性值偏好矩阵进行相似性度量,有效缓解稀疏性；同时建立用户反馈机制,降低冷启动问题的发生概率。(3)将上述协同过滤算法应用到汽车电子商务的个性化推荐服务中,构造了汽车电子商务推荐系统模型,设计开发了原型系统,提供了实际应用的基础。