近年来,随着互联网的普及和电子商务的蓬勃发展,电子商务个性化推荐系统逐渐成为电子商务的一个重要研究内容,其中协同过滤推荐是应用的最为广泛的个性化推荐技术。但是,随着网上有效信息的数量和商品种类的急剧增长,对推荐系统提出了严峻的挑战,协同过滤推荐中存在的冷开始、稀疏性、实时性问题等亟待解决。协同过滤是目前最成功的一种推荐算法,它能够基于其他用户的观点帮助人们作出选择。但由于传统的协同过滤算法没有考虑项目多内容问题,存在项目多内容情况时推荐质量较差。为了解决该问题,本文在基于项目协同过滤、基于用户协同过滤及聚类算法的基础上,研究了冷开始、稀疏性和实时性问题,提出了一种组合推荐算法。算法先通过基于项目协同过滤得出项目的相似项目,利用相似项目的相似性预测用户对未评分项目的初始评分从而填充用户-项目评分矩阵,然后在相似项目的范围内利用聚类技术和基于用户的协同过滤算法预测目标用户对各未评分项目的最终评分并得出推荐列表。最后,进行实验设计和分析,结果表明,本文提出的基于用户聚类的项目多内容协同过滤推荐方法和传统的协同过滤推荐方法相比,能有效提高推荐的质量,更好的满足用户的需求。