进入二十一世纪以来,电子商务在全球得到了广泛的普及和发展,为千千万万的网络消费者提供了无限的购物选择,改变了我们原有的生活方式和购物习惯。然而在这种背景之下,电子商务的发展面临这样一个阻碍即缺乏个性化服务。商家没能了解顾客的个性化需求而只能提供给用户千篇一律的商品界面;消费者面对海量商品需要通过多次查找和浏览才能从中找到满足自己需求的商品。这样的尴尬局面不利于电子商务健康稳定的发展,因此缺乏个性化服务成为制约电子商务发展的新问题。在这种矛盾之下,电子商务推荐系统孕育而生。电子商务推荐系统将数据挖掘技术和电子商务应用完美结合在一起以实现电子商务的个性化需求,从大量的、不完全的数据中识别有效的、潜的信息的过程。基于数据挖掘的电子商务推荐系统能够做到因人而异的推荐商品信息,克服了缺乏个性化服务的缺点,从长远来看可以满足电子商务未来发展趋势的需要。本文励志研究基于数据挖掘的电子商务推荐系统。首先,在概述数据挖掘及Web数据挖掘技术的基础上,引出电子商务的发展现状以及建立电子商务推荐系统的需求。再提出了基于Web数据挖掘的推荐系统模型并详细描述了模型中各个模块的作用,以及相互之间的如何协调完成推荐功能。之后从众多数据挖掘算法中选择了关联规则算法做重点分析,介绍了其基本思想及其不足的改进,提高推荐的准确性。给出基于关联规则的数据挖掘原型系统的试验,验证推荐系统算法的有效性,并对结果做出解释。最后将推荐系统运用到网上书店系统中并设计了网上书店前台系统、网上书店后台管理系统和个性化推荐部分三个模块。