信息技术的不断发展与进步促进了以互联网为渠道的在线购物产业茁壮成长，与此同时，电商网站商品种类与数目的日益膨胀也产生了“信息过载”问题。相关研究认为：使用推荐系统对用户行为信息进行搜集并主动智能地向用户进行满足其需求与兴趣的商品推荐可以有效解决“信息过载”问题。随着对推荐系统相关领域的研究深入，优秀的电商推荐系统不单要求其具有良好的推荐精度，还要能帮助用户开阔其眼界，在改进用户体验的同时进一步提升电商平台利润。而建立用户模型的方式可以更加表现用户其真实需求及意愿继而帮助电子商务推荐系统提高推荐质量。　　随着当今社会消费者生活水平及消费能力的提高，消费者不仅单纯关注商品的使用价值，更加关注商品对其内在心理需求的满足。如何根据不同用户具备的消费行为及心理特征从而对其个性化的制定相关营销方案，是当今电商企业经营所面临的一个重要发展问题。考虑到用户消费心理是其进行消费决策的重要性基础因素，本文在已有消费心理学的研究基础上选取更具人文关怀的视角，将用户网络消费心理引入电子商务推荐系统，建立用户网络消费心理模型并与现有推荐技术结合，研究本地团购网络环境下基于用户网络消费心理的推荐方法。　　首先，考虑到电商推荐研究中常以对用户构建其特征或偏好模型的方式分析其规律。因此，本文以网络消费心理为视角分析商品属性与用户消费心理之间的关系，继而利用贝叶斯网络技术建立用户网络消费心理模型。　　其次，根据用户网络消费心理模型，利用贝叶斯网络推理技术，提出一种适用于单个用户基于其网络消费心理模型的推荐方法。　　再次，对适用于单个用户基于其网络消费心理模型的推荐方法进行改进，结合聚类技术，提出一种基于核心用户网络消费心理模型的群体推荐方法。　　最后，设计实验，对本文所提出推荐方法其推荐结果预测准确度及用户满意度进行实验验证与分析。