随着我国经济飞速发展,房地产业也呈现出如火如荼的发展趋势,造成了繁华地段租金的大幅上涨,国内实体零售受到了很大冲击。与此同时社会人口的老龄化导致人力成本不断提高,人工花费疯涨。因此近年来,方便、快捷、低成本的自动售货机行业发展迅猛。同时,人们生活节奏不断加快,用户消费时间变得越来越“碎片化”。此外随着“私人订制”的个性化消费观念开始被广泛地推崇,传统的自动售货机行业面临着不小的挑战。为了满足消费者个性化需求,只有制定个性化的销售方案,才能使自动售货机行业长久地发展下去。如何在丰富的商品种类中为消费者推荐其可能感兴趣的商品,节约消费者的时间是当前亟待解决的问题。本文在研究了个性推荐系统的国内外现状基础上,对其基本概念、分类和框架做了探讨,对目前常见的个性推荐算法作了比较,重点研究了基于用户的协同过滤算法。针对其中相似性过度预测的可能性,引入了修正因子,提出了优化Pearson相似度计算公式的基于用户的协同过滤算法。本文分析了引入基于项目的协同过滤算法的必要性,简述了基于项目协同过滤的基本概念,提出优化的基于用户-项目混合的协同过滤算法。结合具体数据集进行了实验方案的设计与实现,验证了改进的推荐算法的可行性和准确性。基于上述改进算法,结合自动售货机的实际需求,设计了一个自动售货机推荐系统,实现了对用户的个性推荐以及后台的推荐管理功能。最后给出了系统相关模块界面和操作流程,证明了该个性推荐系统具有较高的实用价值。