随着互联网的普及,电子商务已经成为越来越重要的商品销售模式,电子商务系统在使用户足不出户的情况下为用户提供越来越多的商品选择。但与此同时由于商品种类越来越多而且网站结构也变得更加复杂,用户经常会迷失在大量的商品信息空间中,无法顺利找到自己需要的商品。在日趋激烈的竞争环境下,一个好的商品推荐系统能为用户提供所需要的商品推荐从而有效留住客户、防止客户流失并且提高企业的销售力及竞争力。商品推荐系统在电子商务系统中具有良好的发展和应用前景,逐渐成为电子商务应用技术的一个重要研究内容。但是随着电子商务规模的不断扩大,商品推荐系统也面临一系列挑战,如推荐效率,推荐精度等问题。针对商品推荐系统所面临的主要挑战,本文从以下几个方面对电子商务推荐系统以及所用到的技术进行了分析和研究。首先,详细分析了各种数据挖掘技术的特点和Web挖掘及其在电子商务中的重要作用。其次对电子商务推荐系统进行了介绍和分析,并说明其工作流程。同时给出了电子商务推荐系统的一个简单模型,从数据预处理、模式发现、模式分析和模式应用的各个阶段说明了电子商务推荐系统的工作流程和关键技术。最后,针对Apriori算法的特点对其具体应用进行改进使其能够高效地应用于推荐系统,充分发挥其在电子商务推荐系统的作用。本文对Apriori算法的改进中仍有许多不足之处有待进一步改进,特别是准确性和效率问题。其中提高算法的效率是当前关联规则诸算法中研究的一个重要问题。随着对算法的分析和研究的不断深入,我们相信面向用户的电子商务个性化推荐服务将会更加有效率。