网络的高效与便捷,使人们从传统的购物方式逐渐转向网络购物方式。电子商务推荐系统能有效的留住客户,提高电子商务企业的销售及竞争力,已经成为电子商务IT技术的一个重要研究内容,得到众多研究者的关注。目前,对电子商务推荐系统的研究虽然很多,但限于交易数据量的庞大及挖掘算法的原因,很难给出一适时的推荐系统模型。本文通过从隐式、高效的数据采集着手,结合关联规则的数据挖掘技术设计并实现了一个电子商务网站的适时推荐系统。本文提出了一个Apriori算法的改进算法-AprioriTidStr,该算法利用对数据项集在事物数据库中对应的每条事务的标识符Tid的操作来实现对频繁项集的搜索,从而避免了对数据库的循环扫描,降低了关联规则挖掘的复杂度。并在此基础上,设计、实现了挖掘器的适时在线挖掘与定期人工挖掘相补充的复合挖掘,使推荐系统对商品的推荐实现适时更新的功能。该系统同时还实现了对客户历史行为的推荐、当前浏览与购买的推荐、以及网站热卖商品的推荐的多重混合推荐功能。本文最后给出了系统的简要性能分析,并提出系统需要进一步完善的地方及下一步研究工作的方向。