随着电子商务的飞速发展,个性化推荐系统发挥着越来越重要的作用。在多维数据、移动商务环境下,基于数据挖掘的实时、高效、准确的个性化推荐系统模型的研究,必将推动移动电子商务的发展,有着广泛的应用前景。本文对基于数据挖掘的电子商务推荐系统进行了研究,在总结和分析的基础上,着重对三方面进行了研究:推荐系统算法的分析与改进;利用多数据源多模型的个性化推荐系统模型设计;在移动商务环境下对个性化推荐系统的体系结构进行研究。本文主要研究内容如下:(1)在分析比较数据挖掘和主要推荐算法的基础上,对系统推荐算法进行改进。介绍了数据挖掘的概念、分类和发展现状,分析关联规则、聚类、分类和神经网络等数据挖掘算法,在全面分析和讨论了推荐系统主要算法内容和优缺点的基础上,设计出一种基于BP神经网络的聚类协同过滤算法,给出聚类协同过滤算法和BP神经网络的实现,并从多方面对该算法特征进行分析。(2)设计基于数据挖掘的电子商务推荐系统模型。该模型首次引入规则类型库、推荐方法库,并将规则类型库、推荐算法库、模式规则库和推荐方法库独立设计,有效地支撑了多种数据多种推荐算法实时、高效的运行,保证了推荐系统的推荐质量和效率。(3)对电子商务重要发展方向——移动商务环境下个性化推荐系统进行研究。介绍了移动电子商务的相关技术和移动电子商务系统体系结构的划分;分析了移动数据管理技术对移动电子商务发展的作用并介绍移动数据管理技术;给出移动商务个性化推荐系统体系布局;构建移动商务个性化推荐系统结构框架,对系统框架运行流程和数据流向进行描述,并从多方面对该框架模型特征进行分析。