针对传统电子商务个性化推荐系统存在的数据稀疏问题,提出一种蚁群聚类算法的个性推荐模型。利用蚁群算法的原理,找到与目标用户相似的邻居类簇,然后利用这些类簇内的用户作为基础,对目标项目中未评分项目进行预测评分,从而达到提高协同算法邻近查询的速度、降低数据稀疏性的目的;结合协同过滤思想,设计了基于时间评分的协同过滤算法,最后对上述算法进行了验证。结果表明,当最近邻居数为25的时候,目标用户的预测评分值与真实评分值的MAE差距最小,此时精度最高,说明该方法在解决数据稀疏性方面具有一定的价值。