随着互联网的普及和电子商务的发展,推荐系统在电子商务系统中起着越来越重要的作用。它可以将电子商务网站的浏览者变为购买者,提高电子商务网站的交叉销售能力,保留已有用户。但是随着电子商务系统规模的进一步扩大,电子商务推荐系统也面临着一系列挑战。针对电子商务推荐系统面临的主要挑战,本文基于Web挖掘对电子商务推荐技术进行了有益的探索和研究。本文深入研究了Web挖掘的相关技术及其在电子商务推荐系统中的应用,研究了协同过滤推荐算法和基于关联规则的推荐算法。针对现有推荐算法推荐准确率低等不足,本文从Web访问序列模式挖掘和推荐产生两个方面对现有算法进行了改进。首先,在模式挖掘阶段,基于WAP-tree结构对现有的FLWAP-mine算法进行了改进,在树的构造过程中只扫描一次数据库,在访问序列模式挖掘过程中采用投影树的思想并对投影树进行剪枝缩小搜索范围,而且当投影树只有一个分枝时直接返回相应的访问序列模式,提高了挖掘效率。其次,在推荐产生阶段,把利用改进的FLWAP-mine算法生成的序列模式应用于个性化推荐。使用一种树形结构来存储挖掘得到的Web访问序列模式,在该树形结构的基础上进行页面匹配,给出了一种基于访问序列模式的页面推荐算法。该页面推荐算法中采用了可变活动窗口技术,同时引入页面选择关注度和页面平均访问度的概念,将页面选择关注度、页面平均访问度与规则的可信度相结合作为页面推荐度进行推荐,可以有效地提高推荐的质量。最后,进行了两组仿真实验,实验结果表明,改进的FLWAP-mine算法比原算法的效率和性能有很大的改善,基于访问序列模式的页面推荐算法可以有效地提高推荐的准确率。