随着互联网行业的高速发展,网上购物已经成为了人们日常生活中必不可少的购物方式之一,与之而来的信息超载问题显得格外突出。为了应对这个问题,各大互联网公司都通过建设自己的个性化推荐系统来进行解决;而中小型电子商务公司却没有较好的解决方案。本文希望通过分析当前电商平台的个性化推荐算法,寻找优化点,在数据收集、数据分析、算法、运营工具各个层面进行优化,最终完成效果较好的个性化推荐系统。本论文介绍了基于深度学习的个性化推荐算法与推荐系统的研究背景、目的及意义。通过对当前使用较为成熟的XNN算法模型进行研究与对电商平台用户数据的收集与需求分析,给出电商平台个性化推荐算法的优化方案与系统的可行性解决方案。本文借鉴现有个性化推荐系统的结构,设计与实现基于用户行为的个性化推荐系统。本论文在XNN算法的基础上进行了算法优化,验证了优化后的FNN算法的推荐效果与可行性,并完成个性化推荐系统后台的设计与实现,达到帮助电商平台完成个性化推荐并且能够实时监测推荐效果的目的。