随着互联网的普及和电子商务的迅速发展,网络信息过载已经成为目前网络用户所面临的一个严重问题,用户在海量的产品信息中难以找到所需的商品,因此电子商务推荐系统应运而生。本文在对国内外研究现状分析的基础上,对协同过滤推荐技术进行了研究。首先,针对在用户评分数据稀疏情况下,传统推荐算法无法保证推荐质量的问题,本文提出了一种基于项目属性的用户聚类协同过滤算法,将用户评分映射到相应的项目属性值上,通过对某些属性共同感兴趣的用户进行聚类处理,构建了不同项目评价用户之间的相似性,实现了对不同爱好用户群体的聚类分析。其次,针对传统基于项目评分的推荐系统无法找到合适的评分标准,并且对大量的评分中间集合数据挖掘不足,本文给出了项目的偏爱比较序列,设计了一种基于多序选择域的协同过滤推荐算法,采用选择域滑动匹配寻找项目关联性的方法进行偏爱比较值计算,并通过用户的特征矩阵对未评价项目进行预测评价。最后,在上述研究的基础上进行了仿真分析。实验结果表明,基于项目属性和多序选择域的协同过滤算法有效地降低了项目推荐的误差率,提高了预测评价的精度,降低了由评分数据稀疏性带来的负面影响,取得较理想的推荐质量。