电子商务网站的迅速发展，为人们的生活提供了许多方便，尤其是当前风靡的购物网站，更是以其方便快捷赢得了众多的青睐。网站提供了丰富多样的商品，用户只需登陆网站，就可以在各式商品中自由地挑选自己喜爱的商品。然而面对琳琅满目、种类繁多的商品，用户往往眼花缭乱，无从选择。为了挑选自己喜爱的商品，用户不得不花费大量的时间去寻找。为了帮助顾客更快的找到感兴趣的商品，对顾客提供个性化服务，以达到提高顾客购买率和忠诚度的目的，各种基于不同推荐技术的电子商务个性化推荐系统应运而生，在电子商务的营销中取得了广泛和成功的运用。 本文对电子商务的个性化推荐系统进行了广泛的研究，详细描述了当前推荐系统的研究内容、结构、信息来源、推荐模式和推荐技术，以及当前电子商务个性化推荐系统面临的挑战。本文尤其深入研究了协同过滤推荐技术，通过对各种传统协同过滤算法进行了分析和比较，最后设计并实现了一个基于协同过滤技术的多模型、开放式的个性化推荐系统，能根据不同的用户提供不同的推荐方式。系统设计了两种改进的的协同过滤算法，一种基于用户个性化偏好的项目协同过滤算法，一种联合用户与项目的协同过滤算法，通过实验验证，这两种方法都比原同类方法效果有所改进。