随着信息技术和互联网技术的发展,电子商务作为一种新型、高效的商务模式开始普及。现在用户可以在计算机前轻点鼠标完成复杂的商品买卖行为。但电子商务在给人们带来方便、快洁的同时也带来了信息过载的问题。尤其是对B2C电子商务而言,用户在大量产品信息中很难找需要的商品或服务。这一方面是由于在电子商务环境下可提供商品的极大丰富,另一方面是由于用户和商品在空间上的分离。为此电子商务推荐系统便应运而生。它通过对用户个人信息、产品信息、交易信息、浏览信息进行数据挖掘或与用户进行交互,分析其的行为,预测其偏好并向其推荐他们真正感兴趣的产品或服务。电子商务推荐系统能向用户提供个性化的服务,促进产品的销售,提高用户的忠诚度,增加用户了解商品的入口。使电子商务企业在激烈的竞争中取得优势。本文特别选择了在B2C电子商务领域具有代表性的图书销售网站作为个性化推荐系统的研究对象。在分析该类网站特点的基础上,对不同的推荐技术进行了详细的比较。着重分析了当前流行的基于内容、基于效用、基于用户信息、关联规则、协同过滤这几种推荐技术对于B2C图书电子商务网站的适用性。在此基础上,提出了适用于该类网站的个性化推荐系统总体技术方案、系统结构和具体实现方法。在系统实现方面本文不但给出了对交易数据进行清洗的一般策略和方法,而且针对传统关联规则挖掘算法的不足,提出了基于数据分块的Apriori改进算法。最后本文分析了基于关联规则挖掘的个性化推荐系统在实际使用过程中的不足,提出了特别针对B2C图书销售网站的解决方案。