互联网技术的迅猛发展将人类社会带入了信息时代,电子商务作为一种新型的商务模式也迅速普及。电子商务的兴起改变了传统的消费模式,为我们的生活带来了极大的便利性,随着电子商务的发展,电子商务为用户提供的产品越来越多,这一方面使得用户很难发现自己感兴趣的产品,另一方面也使得大量信息无人问津,成为网络中的“暗信息”。在这种背景下,各种推荐系统应运而生,功能是为用户提供合适的推荐。本文选择电子商务网站作为研究对象,在对现有电子商务网站类目体系构建基础上提出了一种电子商务类目体系自动构建算法—SPS(相似产品集合)算法,该方法能够解决类目体系过粗,产品分类不精确的问题;最后,本文给出了自动化类目体系构建的整体技术方案以及技术实现。然后,本文在对现有电子商务网站推荐技术分析的基础上,提出了一种基于SPS的个性化推荐算法,该方法能够挖掘信息中的“暗信息”,并且有较高的准确率,适于在电子商务网站进行推广应用;最后,本文给出了推荐系统的整体技术方案以及技术实现。本文主要工作和特色如下:1)设计并实现一种自动化类目体系构建系统。首先分析现有电子商务网站类目体系特点以及产品具有的特征,利用用户行为信息挖掘产品的重要属性,然后根据这些重要的属性信息以及产品其它维度信息,利用文本挖掘算法对产品进行聚类。2)设计并实现了一种基于SPS的个性化推荐系统。传统的协同过滤算法在电子商务领域应用广泛,具有很高的推荐准确率,但它无法解决用户行为稀疏性问题,在实际应用中常带来推荐长尾问题。我们通过对传统协同过滤算法进行改进,设计了一种基于SPS的推荐算法,实验结果表明,该方法在产品覆盖率、奇异推荐方面具有很好的效果。