本研究主要针对应用在B2C网上商城上的个性化推荐系统，探讨如何有效地运用数据挖掘技术从大量的购物交易记录中挖掘出所有商品的关联规则集，以推荐适当的商品信息给购物者，帮助他们在众多商品中找到他们需要、有用的商品信息。在分析B2C电子商务领域具有代表性的网上商城网站特点的基础上，对不同的推荐技术进行了详细的比较，着重分析了基于内容、基于用户信息、关联规则、协同过滤这几种推荐技术对于B2C网上商城网站的适用性。在此基础上提出了一种新的自动化推荐系统的推荐机制，并详细介绍了该机制如何与数据挖掘技术相结合应用到推荐程序中。为了使系统返回更好的推荐结果，本研究针对传统关联规则挖掘算法的不足提出了一种基于分层的Apriori改进算法，并用网上商城网站实例验证了算法的有效性。最后本文分析了基于关联规则的个性化推荐系统在实际使用过程中的不足，并提出了一些针对B2C网上商城网站的解决方案。