随着互联网上“信息超载”问题的日益凸显,传统搜索引擎对于用户个性化的信息获取需求越来越难以满足。目前,针对这一问题,推荐系统正越来越广泛的应用在很多领域,协同过滤推荐是目前广泛成功应用的一种推荐策略。当前协同过滤推荐考察的基本数据主要是用户对物品的评分,在基于评分的基础上寻求用户或物品相似性。然而,现实中人们购物不仅仅取决于商品的评价,更多的还要根据消费者自身条件及生活习惯等因素,一些用户倾向于购买较昂贵的商品,而另一些用户倾向于购买较廉价的商品,每个用户都有自身对商品的参考价格,这个参考价格对用户的最终购买决策往往有着较大影响。一般而言,参考价格倾向度水平较为相似的用户在最终选择购买物品时对商品的价格倾向往往也较为相似,因此在推荐决策的过程中将商品价格因素考虑进去很有必要,在向用户推荐时将最符合用户消费心理价位的商品推荐给用户,可以一定程度上提高推荐的准确度。目前,鲜有从用户对物品的参考价格倾向度这个角度对推荐策略进行研究的。本文结合电商领域特性,针对上述问题,提出了基于用户参考价格倾向度的协同过滤推荐算法的研究。文中首先介绍了本课题的研究背景、明确了课题的研究意义。并查阅相关文献,介绍了电商推荐的国内外研究现状;其次,详细介绍了课题研究所涉及到的相关技术和理论,具体包括消费者价格心理、消费者参考价格、商品价格等级。在此基础上本文提出了一种基于用户参考价格倾向度的协同过滤推荐思路。该思路根据用户的历史购买记录结合商品价格区间,形成用户对物品的参考价格倾向度矩阵,从用户参考价格倾向度的角度寻求用户之间的相似性,并根据物品价格等级与用户对物品的价格倾向进行加权评分预测。同时,论文还提出了综合加权基于用户参考价格倾向度和传统的基于用户评分相似性的混合推荐算法。经过本课题的研究表明,基于用户参考价格倾向度的协同过滤推荐算法的研究与改进能够更准确的反应消费者的消费价值趋向,切实的提高了预测推荐精度,这对于电商推荐系统的商品推荐机制具有重要意义的。