随着电子商务应用的不断扩大,个性化服务也得到越来越多的重视,大量的商务软件产品都声称支持个性化。电子商务推荐系统是智能信息服务的体现,它能够在了解用户的短期和长期需求的基础上对用户定制信息的搜索和发送机制,并向用户有针对性的推荐商品。现有的推荐方法暴露出数据稀疏性问题,冷开始问题以及推荐质量低下等问题,这些问题使得当前的普通推荐系统不能准确的挖掘用户的兴趣,并将其最感兴趣的商品提供给用户。本文提出一种集成语义信息的新型推荐方法,该方法提出建立商品的语义关联模型,该模型的结构通过一个行业语义信息训练中心的训练得到,最终产品的语义信息被提取出来集成到现有的基于项目的协同过滤方法中。该方法利用了协同过滤技术的利用其他用户的行为来提高信息的广度和精确度的特点,同时融合了语义过滤技术深层挖掘用户隐含兴趣的优点。本文利用RDF形式的本体来表达商品信息以及用户偏好信息,并设计了一种基于决策树的用户语义偏好模型,该模型基于商品行业离线建立,在线应用,定期更新,增强了推荐系统的实时性能。在上述工作的基础上,设计和开发了集成语义信息的电子商务推荐系统。该系统基于B/S模式,为客户和系统管理员提供了一系列的浏览和操作。结果显示该系统的集成语义推荐比已有的各种推荐系统更加符合现实世界中的个性化推荐,它能够深层次挖掘用户兴趣迎合用户偏好,很大程度上克服了推荐质量低下的问题。