随着中国电子商务的不断高速发展，全社会对电子商务的认识已经进入一个新的层次。由于电子商务的优势特点，也引起了政府的广泛关注，健康发展电子商务、拉动中国经济发展已经被提到政府的工作日程之中。而传统的大众化信息服务模式不能根据Web用户的不同需求提供个性化的信息服务。为了提高电商竞争力，要充分挖掘Web用户的潜在信息需要。本文主要研究Web挖掘在电子商务网站推荐系统的应用。首先研究一种合并式聚类算法生成页面聚类。这种算法能够随时根据用户的访问模型、页面结构，页面的内容改变生成新的页面聚类，以提供给推荐系统使用。然后给出了一个页面推荐算法。推荐时要先计算当前访问节点以外的节点的推荐得分，然后设定一个最小推荐阈值，把聚类中的除了当前节点以外的节点都放到堆栈里，然后使用广度优先遍历的方法，把推荐得分小于最小推荐阈值的节点丢掉。那些推荐得分大于最小推荐阈值的节点就可以成为推荐集合。最后，设计并实现了一个基于上述算法的个性化推荐系统。实验室环境下，推荐算法的覆盖率和准确率的初步实验结果表明：最小阈值在0.2到0.3之间，达到比较好的推荐效果；加载了推荐系统的APACHE服务器没有明显的延时，推荐系统综合性能较好。