随着电子商务的迅速发展，人们从网上获取的信息越来越多，顾客有了更大的选择空间同时也带来了一些新的课题。海量的数据信息增加了顾客购买所需的难度，在找到自己需要的商品前必须浏览大量无关信息，增加了时间成本。为解决上述信息过载问题，指导顾客在电子商务系统中方便购物，需要电子商务提供一种自动推销的服务，在找到顾客所需的前提下减少顾客的时间成本和搜索成本。个性化推荐系统应运而生，而协同过滤是推荐系统中采用最为广泛也是最成功的推荐技术，本文围绕传统的协同过滤存在的局限性展开研究，提出了一种新的基于支持度的项目聚类的协同过滤算法（ICSCFA），通过对用户-项目评分矩阵进行基于支持度的项目聚类的方法，减少最近邻居集的搜索空间，再在此基础上给出评分预测。通过实验结果证明，基于支持度的方法，提高了聚类质量，并且有效缓解了极其稀疏的用户评分所带来的问题，提升了推荐系统的预测准确率。