随着Internet的日益普及，电子商务蓬勃发展，基于互联网的商业Web站点面临越来越激烈的竞争。商务网站从“以站点为中心”向“以用户为中心”发展成为必然。如何对大量的电子商务信息进行有效的组织利用，从中抽取感兴趣的模式，以便理解客户的行为，从而改进站点的结构或为客户提供个性化的服务成为电子商务发展必须要解决的问题。 Web数据挖掘是数据挖掘技术在Web环境下的应用，是从大量的Web文档集合和用户浏览网站的数据中发现蕴涵的、未知的、有潜在应用价值的、非平凡的模式的过程。Web数据挖掘可以在许多领域发挥作用，而电子商务为数据挖掘提供了丰富的数据源和新的研究课题。 本文分析了目前对电子商务网站丰富数据资源利用的不足，提出了综合利用用户访问路径和页面滞留时间提取用户兴趣和兴趣迁移模式的方法。然后通过对电子商务推荐算法面临的一些问题的研究，提出一种基于商品层次结构的多层关联规则推荐算法，该算法结合用户访问数据和商品数据，进行基于频繁集的在线推荐，能有效提高在线推荐性能和质量。针对大规模数据集经典协同过滤推荐难以达到实时性要求的情况，认为基于聚类的协同过滤推荐算法，可以有效提高推荐实时响应速度。最后给出了基于Web挖掘的推荐系统框架。