近年来，随着互联网技术的快速发展，基于互联网技术的电子商务已经逐渐的进入人们的生活，并正在影响着人们的学习、工作和生活模式。在充分享受电子商务带来的丰富信息和便捷服务的同时，人们也越来越被电子商务网站中急速增长的信息量所导致的用户信息过载所烦恼。为了使客户在数量庞大的信息海洋中快速准确地找到自己需要的产品及信息，同时将深埋于电子商务网站海量信息中的产品及时准确地推荐给对该产品感兴趣的用户，促进商品的销售，电子商务推荐系统在这样的现实要求背景之下应运而生。 　　电子商务推荐系统有很多类型，在众多的电子商务推荐系统中，协同过滤推荐是目前最流行、应用最成功的推荐技术。本文针对协同过滤推荐算法在电子商务领域中面临的数据稀疏性和推荐精确度低的问题展开了讨论和改进。本文首先对协同过滤的原理、分类和实施步骤进行了详细深入的介绍，重点介绍了传统的协同过滤算法及其目前在电子商务产品推荐应用中存在的主要问题。之后提出了基于用户的协同过滤和基于SlopeOne的协同过滤算法原理的改进方法，并将改进后的两种算法有机融合，以克服当前协同过滤推荐在实际电子商务推荐中面临的数据稀疏性问题以及由此导致的推荐精度问题，提高协同过滤的推荐质量。通过对算法改进前后的实验对比，证明本文提出的改进措施和改进算法有效可行。最后，文章对本文提出的改进算法的不足做出了分析，并对未来研究方向做出了展望。