随着互联网的普及,越来越多的消费者加入到网上购物的队伍中,因而刺激了电子商务系统迅猛地发展。电子商务为客户提供越来越多的选择,而客户也因此常常迷失在大量的商品信息中,没有办法准确快速地找到自己需要的商品。在这种形势下,电子商务推荐系统诞生了,它能够模拟销售人员与客户交互,推荐商品给客户,帮助客户快速准确地找到所需商品,使客户顺利完成交易。市场竞争日趋激烈,电子商务推荐系统能有效保留客户,防止客户流失,提高电子商务系统的销售额。近几年,电子商务推荐系统在理论和实践中都得到了很大发展。而现如今是个性化时代,个性化服务是哲学领域客户满意的具体体现,也是现代企业提高核心竞争力的重要途径。如何向不同的客户推荐他所感兴趣的商品也属于一种个性化的服务。这样电子商务推荐系统也应该实现个性化的推荐。从目前情况来看,个性化的推荐系统包括热销商品的推荐、新品推荐、相关产品推荐等。本文重点讨论如何推荐相关产品,即从大量的历史销售数据中进行数据挖掘,找出不同商品项之间的相关信息,提炼出规则并为产品推荐提供依据。本文的主要内容如下：(1)介绍了目前主流的电子商务个性化推荐系统及相关技术。(2)根据网站中客户数据分析和处理的特点,在众多的数据挖掘算法中选择了关联规则算法。因为关联规则是根据事实发生的情况,按照事情发生的频率高低进行计算的,使得推荐的结果具有很高的准确性。(3)具有数据挖掘功能的个性化推荐系统平台的实现。本文在比较了各种关联规则挖掘算法后,采用FP-tree算法实现对客户信息的数据挖掘,并将FP-tree算法的数据挖掘技术用于个性化推荐系统中。