随着电子商务的飞速发展,大型综合类购物网站不断壮大,各类细分领域购物网站也蓬勃式发展。葡萄酒电商领域受风投关注不断发力,竞争日趋激烈,问题也愈显突出;随着商品数量的不断增加,用户从成千上万商品中找到自己喜好的商品越来越费时费力。因此,本文构建了一个满足当前需求的葡萄酒电商平台,通过发现用户兴趣为用户进行个性化推荐,提升用户满意度及网站竞争力。在个性化推荐技术中,协同过滤推荐算法广泛用于电子商务领域,但算法还存在诸多问题,因此本文针对该算法展开了研究。本文详细分析了基于用户和基于项目的协同过滤算法,并对两种算法优缺点及存在的问题进行比较,结合葡萄酒本身特性,选择了基于用户的协同过滤算法作为基础进行改进。提出了融合项目属性的协同过滤推荐算法,将传统协同过滤算法中用户项目评分与项目属性相结合,在不增加用户反馈评分基础上,将用户对项目粗粒度的评价转换为细粒度的用户对项目属性值评价,后者相对前者在一定程度上降低了评分矩阵的稀疏度,且结构更为稳定。在此基础上,计算用户在不同属性上的相似度,加权得到综合相似度并预测评分。本文综合考虑新项目加入时造成的冷启动问题,将加权用户相似度预测评分与项目属性相似度预测评分相结合为用户进行混合推荐。最后,通过爬虫程序获取某酒类销售网站葡萄酒属性、用户评价数据,整理得到实验数据集。通过实验选择有效的用户相似性计算方法,并验证本文提出的算法的有效性。设计了一款以葡萄酒销售为主的电商网站,构建了满足当前业务需求的网站技术架构,实现了完备的前台服务与后台管理功能。针对网站需求定位具有区域性特点,实现了某市一卡通“刮刮卡”支付方式,并接入了公共代缴费功能,提高用户对网站的忠诚度。