随着电子商务市场规模的逐步扩大,在为用户提供琳琅满目的商品的同时,也为用户提供了更为丰富的选择。但是,面对如此多样的商品信息,用户如何才能快速、准确地挑选到自己需要的商品,也成了用户和电商关心的话题。为了减少客户选取感兴趣商品的时间,提高购买效率,提高商家销售成功率为企业及商家创造更大的经济效益,本课题通过收集电子商务用户信息和数据,分析挖掘电商用户数据特征及购物记录,并根据分析结果采用数据挖掘技术为用户推荐商品,实现了一个基于电子商务的用户商品推荐系统。主要包括以下研究内容:1)通过web技术和数据库技术的结合实现对电子商务交易过程中产生的交易和浏览数据进行收集,其中用户隐性行为数据源的采集使用两种方式,其一是web服务器日志上用户访问该网站页面请求的记录数据;其二是客户端的数据采集,用客户端远程代理的方式来实现客户端采集。2)将收集到的数据进行格式预处理,从而作为数据挖掘的输入。然后,通过数据挖掘技术对用户感兴趣的商品进行挖掘分析,并根据商品的类型进行匹配,根据建立的购买记忆函数,对给定场景下的用户感兴趣的商品进行推荐。3)最后,通过采用将模糊聚类(FCM)与协同过滤算法相结合的方法对从历史数据和商品信息中挖掘出来的用户感兴趣的商品进行推荐。电子商务推荐系统能够从丰富的数据信息中,根据用户的喜好、兴趣等特点,针对其进行个性化商品推荐,使用户能够在海量的商品信息中快速、准确地选取自己需要的商品,减少在商品挑选过程中所浪费的时间,为用户提供更为人性化的服务。