随着互联网技术的革新,电子商务也随着迅猛发展,网上购物已经成为一种新的购物形式。伴随着电子商务的发展,网上商品的种类也日益繁多,电子商务系统结构日益复杂。在如此之多的商品中如果选取满意的商品就成为了一个值得关注的问题,买家选取满意的商品十分困难,卖家想在竞争激烈的电商中保留用户、提高在用户中的形象愈发困难。如何为不同的用户推荐其喜好的商品、如何提高卖家的信誉与形象已经成为电子商务研究的热点。本论文主要对关联聚类协同过滤算法以及电子商务推荐系统进行研究。首先,分析传统的协同过滤算法的缺陷,组合数据挖掘的关联规则算法与协同过滤算法,提出基于关联聚类的协同过滤推荐算法。算法首先把项目采用关联规则技术划分为不同的类别,然后把对该类别评价过的所有用户的评价信息映射到这些类别中,分析参数,形成聚类了的用户-项目矩阵。然后,在聚类内部使用协同过滤算法,形成商品推荐。然后,根据前面的分析设计,实现了关联聚类的协同过滤算法,并使用实验数据证明算法的有效性。同时,论文研究了电子商务推荐系统的模型,分析其工作流程,结合本系统的需求,参照软件开发过程与规范,对系统进行需求分析、业务描述、系统的架构设计和数据库设计,并将系统分为前台服务与后台管理两大模块。然后针对本系统的实现重点,对多场景推荐模块以及模式库创建模块进行了问题描述、模型设计以及实现,分别对前期设计的系统各个功能模块进行代码实现以及功能的测试。在关联聚类协同过滤算法基础上,本文的电子商务推荐系统根据用户的不同操作场景,利用关联规则、协同过滤推荐等技术对用户进行多场景的商品推荐。本文不但在理论上对数据挖掘、推荐技术进行一定的研究,同时对现实中的增加用户信誉度、增加卖家销售额等问题有一定指导作用。因此,本文所研究的课题具有一定的理论与实际意义。