随着互联网时代的到来,电子商务迅猛发展,电商平台上的商品越来越丰富,从刚开始兴起的日用百货、食品,到现在生鲜水果、医药产品、保险等。对于消费者而言,如何在数以万计的产品中挑选自己喜欢的产品?对于商家而言,如何将自己的产品推荐给消费者?为了解决这些问题,个性化推荐系统运用而生,并且随着不断的研究发展,个性化推荐算法的精准性得到很大的提高。本文主要以关联规则为基础研究推荐算法,为提高关联规则推荐有效性,从两个方面着手解决问题:第一,在使用关联规则挖掘之前,用两步聚类对数据进行预处理,针对数据的稀疏性导致项目无法出现在关联规则的关联关系中的问题,采用两步聚类将消费行为相似的用户聚为一类,可改善用户行为数据稀疏的问题,提高项目出现在关联关系中的可能性;第二,提出了调整加权Apriori算法,该算法根据项目的重要程度对项目加权,并在New_Apriori算法的基础上对加权支持度和加权置信度计算公式进行调整,改善了 New_Apriori算法中加权置信度计算时权重抵消的问题。本文结合医药电商平台数据实现了两步聚类与关联规则结合的个性化推荐,通过聚类分析将消费行为类似的用户聚为一类,利用关联规则算法挖掘同一类用户中购买的各类药品之间的关联性,以强关联性为指导为用户推荐可能需求的医药产品。最后通过两组对比分析,第一组比较仅使用关联规则的推荐系统和基于两步聚类与关联规则结合的推荐系统性能,第二组比较仅使用调整加权关联规则的推荐系统和基于两步聚类与调整加权关联规则结合的推荐系统性能,旨在分析两步聚类与关联规则结合的推荐系统性能,及调整加权关联规则推荐性能。