随着电子商务的迅猛发展，尤其是移动电子商务规模的不断扩大，消费者被淹没在数量庞大，种类繁多的商品海洋中。用户在购物期间，会浏览大量无用的、不感兴趣的商品。在用户最终购买到所需商品之前，要耗费大量的时间和精力来过滤掉不感兴趣的商品或不符合需求的商品。这必然会产生信息过载问题，影响消费者的购物体验，最终导致消费者的流失。为了解决这些问题，个性化推荐系统应运而生。个性化推荐就是推荐给用户感兴趣的商品。个性化推荐系统需要收集用户的兴趣爱好，然后根据这些数据为用户定制个性化的内容，从而产生推荐结果，这是研究个性化推荐技术时的关键内容。个性化推荐技术已经成为成熟的电子商务系统的核心，许多优秀且成熟的推荐技术都在传统的电子商务系统中得到了广泛的应用，例如协同过滤推荐技术，关联规则推荐技术，聚类分析推荐技术等。但是移动电子商务系统与传统的电子商务系统还是有着一定的区别，而针对移动电子商务系统的个性化推荐的研究却很少。移动电子商务具有移动性和个性化的两个主要特征，这是传统电子商务所不具备的。同时，随着电子商务的不断发展，迫切的需要推荐系统能够为用户提供精确的商品动态推荐服务、能够为用户提供比较参考服务、能够为用户实时提供优化配送服务等服务，这些需求亟待解决。而随着移动电子商务的出现，为实现这一需求提供了前所未有的机遇，使其成为电子商务发展的新方向。但这也给移动电子商务领域的商务智能技术，尤其是个性化的推荐技术带来一系列需要解决的问题。本课题深入研究了移动电子商务领域下的个性化推荐技术和相关理论方法；同时分析了移动环境下的用户消费模式；在前人研究的基础上，着重研究了聚类分析算法和关联规则算法，针对两种算法的优缺点提出了将两种算法相结合的改进算法，提高算法的个性化推荐质量，提高推荐准确率；基于本文提出的理论和方法，设计并实现了一个应用在移动电子商务领域的个性化推荐系统，该推荐系统使用改进后的算法，并在一个移动电子商务的真实商业项目中得到应用。本课题设计并实现的个性化推荐系统，适用于移动电子商务系统。该推荐系统使用基于关联规则和聚类分析的结合算法对用户推荐商品。系统主要由两个模块构成：离线挖掘模块和在线推荐模块。其中，离线挖掘模块使用聚类分析算法对日志文件进行解析，将得到的数据分类，然后对分类后的数据使用关联规则算法生成关联规则，最后根据用户的浏览行为与用户所属类别的关联规则集合进行匹配，生成推荐结果；在线推荐模块是处理用户的请求，将推荐的结果呈现给用户。