随着互联网的普及和电子商务应用的广泛深入,人们在享受网上购物便捷性的同时也陷入了信息过载的困境,用户在大量的产品信息中难以找到自己需要的商品。因此,电子商务推荐系统应运而生。推荐系统在电子商务平台上扮演销售人员的角色,向用户推荐商品,帮助用户找到所需商品,从而顺利完成购买过程。电子商务推荐系统在应用中具有良好的发展和应用前景,逐渐成为一个重要研究内容,得到了越来越多的关注。本文对电子商务推荐系统进行了较深入的研究,详细分析了各种个性化推荐技术在电子商务推荐领域的应用现状和前景。协同过滤技术是目前推荐系统中应用最早和最为成功的技术之一,其发展面临着两个三个主要挑战:提高协同过滤算法的可扩展性;降低推荐系统数据集的稀疏性;提高推荐质量。针对这些问题本文提出一个改进的协同过滤算法—基于用户和项目双聚类的协同过滤推荐算法,此算法拥有基于用户聚类的协同过滤算法和基于项目聚类的协同过滤算法的优点,并摒弃了其缺点。