随着互联网的普及和电子商务的发展,电子商务推荐系统越来越受到重视,它能够直接与用户交互,模拟商店销售人员向用户提供商品推荐,帮助用户找到所需商品,从而顺利完成购买过程。在日趋激烈的竞争环境下,电子商务推荐系统能有效保留用户、防止用户流失,提高电子商务系统的服务质量,增强企业竞争能力。推荐系统在电子商务系统中具有良好的发展和应用前景,逐渐成为电子商务技术的一个重要研究内容,得到了越来越多研究者的关注。内容过滤和协同过滤是目前在电子商务推荐系统中应用较为成功的个性化推荐技术,但随着电子商务应用的深入和系统规模的进一步扩大,电子商务推荐系统也面临着一系列挑战。针对现行电子商务推荐系统出现的问题和面临的挑战,本文对基于内容过滤和基于用户协同过滤的电子商务推荐技术进行了有益的探索和研究,提出了一种基于内容和用户协同过滤的混合模式推荐算法。该方法既利用了内容过滤的优点,能够对所有项目进行相似度匹配过滤,尤其当项目在没有任何用户进行评价的特殊情况下也能够被过滤出来推荐给用户,这就避免了早期级别问题;同时,该方法也利用了协同过滤的优点,当用户数和评价级别很多时,会使得协同过滤预测时用户评分数据矩阵变得较稠密,可以减少矩阵的稀疏性,协同过滤更准确,这样通过两者的整合大大提高了系统的性能。实验结果表明,混合模式推荐算法在平均绝对偏差MAE性能指标要优于基于用户协同过滤的推荐算法,在精确率precision、召回率recall和综合评价指标F-measure等性能指标要优于基于内容过滤的推荐算法。