由于互联网、移动设备等信息技术和服务行业的迅猛发展,目前的电子商务朝着一种新的方向发展,以移动性和个性化为主要特征的移动电子商务逐渐被大众所熟知。移动电子商务因为其方便快捷的交易方式,以及购买商品的便利性,得到了越来越多人的喜爱。尽管移动电子商务的快速发展给我们带来了很多方便,但是商品的种类和数量也日趋繁多,站点的网站结构也越发复杂,这使得用户很难在短期内寻找到自己想要的信息。移动电子商务推荐系统的发展为其行业带来了前所未有的机遇。一个成功的推荐系统就像是另一个自己,只不过它扮演着服务者的角色,它能够很清楚用户自己本身的喜好,非常清楚用户想要的,进而可以提高客户对网站的满意度和忠实度,进而提高业务绩效。本文在以上背景的基础上主要做了以下工作。首先是通过分析移动端电子商务特点和性质,对电子商务推荐系统中常用到的数据挖掘技术和推荐技术进行对比分析;其次基于数据挖掘算法的现有研究成果,针对数据挖掘方法的BP(误差反向传播算法)算法固有的缺陷进行改进,主要思路是通过改进GA(遗传算法)适应度函数后来对BP算法进行优化,并叙述了新模型的核心思想和算法流程;然后在此基础上对其进行实验测试和性能分析。此外,本文在分析移动电商推荐系统基本架构的基础上,结合当前推荐应用中出现的新需求,提出了一种跨平台的移动电子商务多推荐系统模型(Cross-platform Mobile E-commerce Multi-recommendation System,CP-MEMRS),并给出了模型的基本框架,并且对该模型在实际应用中可能遇到的困难进行了分析。