随着互联网的普及和电子商务的发展,电子商务系统在为用户提供越来越多便利的同时,其结构也变得更加复杂,用户经常会迷失在大量的商品信息空间中,无法顺利找到自己需要的商品。推荐系统能够直接与用户交互,模拟商店销售人员向用户提供商品推荐,帮助用户找到所需商品,从而顺利完成购买过程。在日趋激烈的竞争环境下,推荐系统能有效保留用户、防止用户流失,提高电子商务系统的销售。推荐系统在电子商务系统中具有良好的发展和应用前景,逐渐成为电子商务技术的一个重要研究内容,受到越来越多研究者的关注。近年来,推荐系统在理论和实践中都得到了很大发展。但是随着系统规模的扩大,推荐系统也面临一系列挑战。针对推荐系统面临的主要问题,本文把形式概念分析(Formal Concept Analysis)这一强有力的工具应用到推荐系统中以提高推荐效率,但形式概念分析中的构建概念格(ConceptLattice)是一个相当费时的工作。针对这一问题,本文进行了有益的探索和研究,研究的主要内容为如下两方面:1)为了概念格能在协同推荐系统中得到更好的应用,本文提出了一种时间复杂度低、实现简单的建格方法——基于矩阵运算的建格方法。在矩阵运算的基础上,本文提出了建格的算法BCLMO。与一些传统的建格方法相比,BCLMO明显提高了抽取形式概念的速度,大大降低了其时间复杂度和空间复杂度。2)针对协同推荐系统,本文提出了两个新的概念——核心概念和核心概念格,并把核心概念格应用到了协同推荐中。基于核心概念格的协同推荐算法不仅避免了构建概念格的复杂性,而且事先过滤掉了那些根本不可能成为目标用户“最近邻居”的用户,这样既减少了计算量,又降低了时间以及空间复杂度,而且在一定程度上起到了去噪功能。后经实验证明这种方法既可以提高推荐效率,也可以提高推荐质量。