2012年第三季度末,我国智能手机使用者已达到3.89亿,台式电脑仅为3.81亿,我国互联网使用者的第一大获取信息的平台由台式电脑转变为移动设备。当前,基于位置的服务是移动设备为使用者提供的重要服务之一,然而却为信息超载问题所困扰；加之个性化推荐技术在移动领域的研究并不多,而且很大一部分推荐算法的推荐效果并不理想。鉴于对此考虑,本文结合移动领域的特点研究了传统推荐技术的信息负载、推荐效果等领域后得出了在移动领域内推荐技术的研究成果。首先,本文在移动电子商务的“使用者-项目”模型(“U-I”模型)中引入了一个新维度——场景信息,提出了基于位置服务的电子商务“使用者-项目”模型——“位置-使用者-项目”模型(“L-U-I”模型)。“L-U-I”模型把场景信息作为第三维度,将传统“U-I”模型从二维矩阵模型变换成三维立体模型,使用者在一定场景中对项目的倾向度都可由该三维立体模型中的一个点所表示。其次,本文在“L-U-I”模型基础之上,依据混合推荐技术的思想提出了结合场景相似度、使用者倾向度新的计算方法的推荐机制。该推荐机制大致是：计算使用者场景相似度并找出相似度最高场景中使用者所使用的项目；计算使用者关于这些项目的倾向度并进行逆序排列,将前若干项推荐给使用者。最后,本文针对所提出的推荐算法的各项性能设计了一系列的实验——为满足使用者不同的倾向度在模拟的多变的移动场景中推荐适合的项目。实验结果验证了本文提出的基于位置服务的电子商务推荐算法较好地解决了信息超载的问题且获得了显著的推荐效果。即其推荐结果对使用者位置和倾向的变化具有较高的敏感性,可很好的处理移动环境变化很大的特点。此外,算法在推荐的精确度和算法响应时间上也有一定程度的提高。