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选择的同时，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。电子商务中的商品推荐系统直接与用户交互，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，商品推荐系统能有效留住客户、防止客户流失，提高电子商务企业的销售以及竞争力。 商品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IT技术的一个重要研究内容，得到越了来越多研究者的关注。 目前，虽然电子商务中的商品推荐系统在理论和实践中都得到了很大发展，但是随着电子商务系统规模的进一步扩大，商品推荐系统也面临一系列挑战。针对商品推荐系统所面临的主要挑战，本文在以下三个方面对电子商务推荐系统进行了有益的探索和研究。 第一，提出了基于选举理论的推荐算法。在过往电子商务推荐系统中，普遍使用协同过滤推荐算法，而在大型电子商务系统中，由于用户的喜好对于供其选择的商品来说可能是有矛盾的，协同过滤推荐算法并不能很好的解决这个问题，基于选举理论的算法在这方面却有不错的解决方法。另外，优秀的推荐系统应该能根据用户的喜好程度对某类商品各种选择进行排序，然后按照这种排序把推荐结果提供给用户，基于选举理论的算法同样胜任这种要求。 第二，提出了采用基于朴素贝叶斯分类器进行文本分析，这种文本分析一方面能够跟踪用户的行为，发现用户喜好的变化并记录在数据库中，使用户模型能够动态的改变。另一方面减少了用户设置喜好信息的工作量，减轻了用户的负担，使推荐系统更具有人性化。 第三，在应用上，以钟表行业供应链的电子商务为背景，分析了钟表推荐系统结构、功能，并把基于选举理论的算法和基于朴素贝叶斯分类器的文本分析应用在系统上。