随着互联网的不断发展,网上购物也成为了一种非常流行的方式,如今基于网上购物的平台越来越多,特别是淘宝这样的C2C模式的出现,极大的推动了国内网络购物的发展。网络购物实现了商品的另一种销售方式,这种方式极大的避免的传统店面销售模式的弊端,有效的解决了对长尾商品进行的销售和展现。用户通过网络进行购物,将极大的节省了用户时间,同时也提高了用户的时间收益。但是网络购物也会出现信息过载的情况,平台将所有的商品信息进行展现,用户可以通过搜索功能进行一定的信息过载处理,然而用户在没有明确目的的情况下无法处理信息过载的问题。如何利用推荐系统为用户处理信息过载的问题成为了电商平台急需解决的问题。本文正是在这样的背景下提出了基于电商平台的个性化推荐系统的设计与实现。通过个性化推荐可以有效提高用户对商品信息的处理能力,从而提高整个平台的购买转化率。本文的主要内容如下所示:对系统展开了详细的需求分析,主要从系统建设目标、系统的可行性分析、功能需求分析以及系统非功能需求等方面展开分析,其中功能需求分析主要从系统的总体需求分析和系统的功能需求分析两个方面展开。在需求分析的基础上对系统进行了设计和实现。系统设计主要包括系统的架构设计和系统的模块设计,系统模块主要包括数据处理模块、个性化推荐算法模块、推荐结果处理模块、推荐请求处理模块、商品管理模块以及用户管理模块。在系统设计的基础上对系统进行实现,本文采用Hadoop进行日志存储和日志的ETL,其中日志的ETL过程采用了hive工具进行分析,并最终将数据存储在HDFS上。接着着重实现了个性化推荐算法模块,主要实现了协同过滤算法中基于用户的过滤和基于物品的过滤。其次对个性化推荐算法模块计算的结果进行处理,包括过滤和排名处理,从而有效的提高了用户个性化推荐列表的新颖度。最后系统需要通过http请求从推荐系统获取用户的推荐列表。