随着电子商务规模的不断扩大,网上购物系统属于电子商务的一种表现形式,也随着电子商务的发展变得越来越流行。随着网络购物方式的盛行,商品的个数越来越多,种类也越来越复杂多样,对于消费者来说,需要花费大量的时间和精力才能从成千上万的商品信息中挑选出自己想要购买的商品。对于商家来说,每个人都想提高自己购物系统中商品的销量以及销售额。因此,商品的个性化推荐功能对于复杂多样、信息量极大的购物系统来说是必不可少的,它可以帮助消费者从大量信息中挑选出自己想要的商品,同时也可以帮助商家提高消费者对商家的好评度从而提高商家的销售额。本文首先介绍了课题的背景以及意义,其次对电子商务的现状进行分析以及介绍推荐技术的发展背景以及研究内容,然后研究了Mahout协同过滤推荐算法,最后介绍了购物系统的代码实现以及完成整个购物系统的测试工作,验证了改进的协同过滤算法以及整个系统的可行性。总结起来,本文主要完成了以下四个方面的工作:1、对Mahout协同过滤推荐引擎进行研究分析,组合出不同的推荐算法,对比不同的组合算法,得出查准率和召回率最高的一种组合算法,准备应用于本文中的购物系统;2、对购物系统进行需求分析以及总体架构的设计,结合需求分析以及总体设计的结论,完成了系统的数据库逻辑设计,并且完成了数据库表的设计;3、根据数据库的表结构设计以及数据库管理工具Mysql,完成了购物系统基于SSH的环境搭建以及主要模块的实现,并且根据得到的Mahout协同过滤推荐算法组合应用于本文的购物系统中,并对其进行改进分析;4、搭建购物系统的测试环境,对整个系统包括商品推荐模块进行详细的测试,保证整个购物系统的良好运行,测试表明,本文的购物系统是一个完整、实用并且人性化的基于改进的Mahout推荐引擎的购物系统。