随着互联网的高速发展，人们的生活越来越依赖于网络，人们最基本的衣食住行都已经与网络相关联，因此提供网上购物服务的电子商务系统在当今社会扮演的角色也越来越重要，并已经逐渐发展成为我们新兴产业的中坚力量，但由于信息量越来越大，电子商务系统同时面临着巨大的挑战，商品推荐系统就可以有效解决信息量冗杂带来的各种问题。但是商品推荐系统也有着自己的问题，例如稀疏性问题,推荐准确度问题等。本文致力于混合推荐的电子商务推荐系统的设计与实现，研究学习了多种推荐算法，包括协同过滤算法，基于内容推荐原理，以及关联规则推荐方法，在对这几种算法的对比研究的基础上，采用了混合推荐的方式设计了系统的推荐引擎，对不同的用户采用不同的方法为其推荐商品，这种混合推荐方法不仅有效的解决了稀疏性问题，还同时提高了推荐准确度。系统个性化推荐引擎的工作原理是通过多种手段获取网络中有用的信息和用户信息，并对此进行分析，然后建立用户的兴趣模型，然后根据兴趣模型和相应的推荐方法为用户对接合适的商品。根据用户需求对系统进行需求分析，主要从功能性需求和非功能性需求，即性能需求，两个角度来介绍了系统的需求情况，采用了用例图来描述用户需要的功能。并在满足系统需要的前提下，设计系统的功能，首先对系统进行了架构设计，然后在此基础上，从前台和后台两个角度对系统完成了流程设计，详细叙述了对系统推荐引擎的设计方案，给出了系统相应关键类的类图，并对系统数据库进行了设计，并通过E-R图和类图展示了对系统关键类及数据表的设计。最后简单介绍了系统的实现环境，并根据系统设计完成对系统功能模块的实现。系统包括电子商务系统的主要功能，并能够根据不同信息量的客户的不同需要，向其进行个性化的推荐。