随着电子商务的发展,电子商务系统在为用户提供越来越多选择的同时,用户经常会迷失在大量的商品信息空间中,无法顺利找到自己需要的商品。电子商务推荐系统能够直接与用户交互,模拟商店销售人员向用户提供商品推荐,帮助用户找到所需商品,顺利完成购买过程。推荐系统具有良好的发展和应用前景,也具有重要的研究意义。本文首先介绍了电子商务的模式、发展现状,分析了推动电子商务发展采用个性化手段的必要性,然后,分析了B2C网站中商品信息过载问题,对国内外推荐系统在电子商务中实际应用的现状、问题和挑战进行了研究。接着,就建立推荐系统所涉及的相关技术概念和方法进行了简要的介绍,其中尤为重要的介绍了User-based协同过滤的数据挖掘算法的原理、应用和缺陷。然后,针对经营手机彩铃的M网站建立电子商务推荐系统进行了实证研究,其中对国内外移动音乐和彩铃业务的市场发展情况进行了简要的介绍,并针对M网站建立电子商务推荐系统的进行了简要的需求分析。最后,对本文研究进行全面总结,指出存在的不足,展望了未来进一步研究的方向。在研究过程中,本文通过使用M网站2005年末某日的Web日志数据,运用基于User-based协同过滤推荐算法的数据挖掘科学分析方法,使用SPSS统计工具进行相关性分析,为M网站建立电子商务推荐系统进行的分析和研究。在本文的研究中,笔者针对电子商务B2C网站中商品信息过载的现象,提出了一种使用Web日志进行数据挖掘,以便建立基于用户个性化的推荐系统的应用研究和运作模式。希望本论文研究成果能对国内B2C电子商务发展具有积极的参考意义。