21世纪以来,电子商务随着互联网的发展迅速发展起来。近年来,一种新兴的电子商务模式——“网络团购”磅礴发展,迅速吸引了大批消费者,成为了一种重要的电子商务形式。团购领域竞争逐渐激烈,如何为用户提供更好的服务成为一个重要的研究课题,团购网站商品的展示方式往往使用户无法迅速找到感兴趣商品,用户需要花费额外的时间遍历当日上架的所有商品以寻找感兴趣的商品。个性化推荐系统是上世纪末提出的一种解决信息过载问题的方法,现在在许多电子商务领域中已进入实际应用。本文考虑将个性化推荐系统与团购网站相结合,帮助用户快速准确地找到感兴趣的商品。本文考虑了几种常用的个性化推荐方法,对其优势、缺点以及应用领域进行了对比研究,最终选取基于项目的协同过滤推荐算法作为系统的核心算法。由于传统的基于项目协同过滤算法的项目相似度计算方法有不足之处,本文提出了一种改进的均方距离相似度计算方法,通过实验证明了有效性本文分析团购网站的特点以及与传统电子商务网站的不同之处,设计了团购商品的个性化推荐系统。提出一种将本日偏好和历史偏好相结合的组合式推荐算法,并对用户日志处理、推荐策略选择、推荐结果生成等环节进行了设计和探讨。在此基础上完成了系统的整体设计,推荐系统可根据用户本日的行为,综合参考其历史行为,为其提供个性化的推荐,改善团购网站的服务质量。