电子商务因其成本低廉、快捷、不受时空限制等优点在全球范围内得到普及和发展，它的规模也在进一步扩大。在电子商务为用户提供越来越多选择的同时，它的结构也变得越来越复杂，电子商务的发展面临这样一个新问题，一方面，用户对网络上提供的众多商品信息并非完全感兴趣，通常要通过多次浏览才能找到满足自己需求的商品；另一方面商家也不能全面的了解用户的个人需求，提供给用户的是千篇一律的界面，无法维护稳定的客户关系。缺乏个性化服务成为制约电子商务发展的关键问题。这就要求站点有一个能够分析用户偏好、行为等信息，并且自动根据这些信息向用户提供推荐服务的推荐系统，实现网络上的“一对一营销”，Web数据挖掘就在这样的背景下与电子商务结合在一起。　　本文首先介绍了电子商务推荐系统的国内外研究现状，针对现在大部分网站推荐系统只是一个简单的统计的问题，深入研究了电子商务推荐系统的模型设计，对模型的各个模块作了简单的介绍。其中推荐引擎是整个推荐系统中的重要模块，给出了一个推荐引擎功能框图，引入聚类算法，并通过改进聚类算法，提高了推荐的准确性；最后采用自行开发的系统模块来模拟页面推荐算法的实现过程，给出了系统实验结果，并对结果做出解释。在研究中使用VB6完成了算法代码的设计。