重庆市政府采购电子交易平台,即重庆市政府采购协议供货平台自2012年开通以来,平台上的商品数量增长迅猛。大量的商品给采购单位带来诸多选择的同时也带来了困扰。如何采购一件质量好,价格优惠的商品,对于采购单位来说越来越难以抉择。尤其是随着平台商品的快速增加,如何给采购单位推荐优质的目标采购商品这一问题亟待解决。为解决这一问题,论文从数据挖掘的角度,结合协同过滤推荐技术,讨论了推荐系统在政府采购协议供货平台上的研究及应用问题。论文概述并分析了政府采购协议供货平台数据的特点,采购数据中没有评分信息,但是采购单位具有明确的单位类型信息；协同过滤推荐算法中在计算相似度时需要评分信息,结合采购数据的特点,论文将采购单位的单位类型信息作为用户属性,并将用户属性信息和基于Jaccard系数的相似度计算方法融合在一起,改进了用户相似度计算方法；以改进的用户相似度计算方法为基础,建立了融合用户属性的政府采购协议供货平台推荐系统的模型,并采用常用的准确率、召回率和f-score指标对模型的推荐性能进行评价：评价结果显示融合用户属性的推荐模型效果不佳,对采购数据和相似度计算方法进一步分析,发现可以通过用户聚类提高目标用户近邻用户的质量和通过加入用户采购商品的数量差异作为权重因子来提高用户相似度计算精确度这两点出发对融合用户属性的模型进行改进,在此基础上提出并利用java语言构建了基于用户聚类的政府采购协议供货平台推荐系统模型；采用与融合用户属性的推荐模型相同的评价指标对基于用户聚类的推荐模型进行评价,结果表明：基于用户聚类的政府采购协议供货平台推荐系统模型的综合推荐性能更为优秀；论文以基于用户聚类的推荐系统模型为基础开发了基于用户聚类的政府采购协议供货平台推荐系统。