网络购物正在成为越来越多人生活中不可或缺的一部分。伴随电子商务用户量的迅猛增长,线上电商平台的商品数量也有了极大的丰富,面对海量的商品选择,消费者很难从中挑选出自己真正需要购买的商品。商品导购是第三方平台解决这一问题的主要方式。然而,现有的第三方导购应用大都还处于手工作坊阶段,非常依赖于网站编辑的人工发现和手工推荐,缺乏定制化与个性化。本文立足于利用推荐算法构建一个智能的商品导购系统——最可买zuikemai.com,围绕着针对用户的商品、商品集、商品分类以及商品相关文章等的推荐,对其中遇到的一些问题进行深入探索和研究：(1)将对产品集合的推荐作为一种新的模式引入到推荐系统中来,扩展了传统的用户-产品推荐模式,并提出了一种基于组合评分值的协同过滤集合推荐算法,用以解决集合推荐问题。(2)引入了一种新的视角,将针对用户的产品推荐视为分类推荐的一种特例,即认为每个产品是一个最小的分类,构成分类树上的一个叶子节点,因此,产品分类推荐其实是对产品推荐的扩展。对于产品的推荐,本文提出了一种基于稀疏度的分类粒度动态选择算法,用以选择合适的分类粒度,结合分类粒度内的产品排序,我们可以得到对用户的产品推荐。本文提出算法一定程度上可以解决数据稀疏性问题。(3)对于新用户冷启动问题,本文提出了一种基于利用开放平台如新浪微博数据的用户聚类的协同过滤算法,尝试利用外部数据来解决冷启动问题。(4)对于商品和文章的相互推荐问题,本文提出了一种基于组合关联度的协同过滤算法,其可用于解决相互推荐问题。