随着电子商务和网络的不断发展，大型商场超市业已进入网络会员时代，在网络与实体店铺同步进行销售，但与此同时，商品种类数量越来越多，在琳琅满目的商品面前，无论是从网络还是实体店内，客户都很容易迷失方向，无法很快地定位到自己所需求商品的位置，人们迫切需要一种个性化推荐技术帮助他们实现信息过滤和对商品的自动推荐。在此背景下，大型超市商品个性化推荐服务的相关研究具有重要的商业意义。　　 本文首先概述了论文的研究背景和研究意义，对电子商务推荐系统的相关理论、研究现状、发展趋势等做了简单介绍；然后，对实现超市电子商务个性化信息服务过程中的两个核心问题：客户模型与推荐机制做了详细的论述；此后利用聚类对传统个性化信息服务技术进行了改进，关键技术是将聚类技术与协同推荐算法相结合，对相似兴趣的客户进行聚类，在聚类后的客户空间上进行搜索最近邻居，有效提高了系统的精度；在以上的基础上，提出了一种基于聚类的电子商务个性化推荐系统的实现方案，并对实现过程中的核心技术进行了详细的论述；最后依据上面提出的方案，以某超市的会员销售记录为基础，实现了一种简单的实验系统。实验结果证明了本文提出的系统设计方案和聚类对传统的个性化信息服务技术改进的可行性。