随着电子商务的快速发展，电子商务推荐系统为用户和企业带来了很大的便利，协同过滤推荐是电子商务推荐系统中应用最广泛的个性化推荐技术。但是网站信息量的激增，如用户数量的增加和网站商品种类和数量的快速增长对推荐系统产生了严重影响，使得协同过滤推荐系统为用户推荐出来的商品误差较大，目前协同过滤推荐系统中存在的稀缺性和冷启动问题严重影响着推荐商品的准确性。　　 本文首先对电子商务推荐系统进行了研究，对其中的输入模块，预测引擎，输出模块详细阐述了内容。然后对电子商务推荐系统中应用最为成功的协同过滤推荐系统进行了介绍和分析，详细介绍了协同过滤推荐算法的原理，并指出了协同过滤推荐在应用的过程中出现的问题，对其中的稀缺性和冷启动问题进行了研究，并针对稀缺性和冷启动问题提出了属性相似性算法，分别针对用户的属性特征和商品的属性特征，将用户的相似性和商品的相似性作为参数，通过实验得出了属性相似性算法在协同过滤推荐过程中降低了误差，证明了算法的合理性。在协同过滤推荐系统设计上，以电影商品为例，在MyEclipse平台上设计了个性化协同过滤电影推荐系统。