随着智能手机和平板电脑的普及,O2O这种新型的商业模式日趋完善,移动应用App已经渗透到人们日常生活的方方面面。应用市场的蓬勃发展带来巨大机会的同时也使得应用开发者和用户之间的双向选择成为越来越突出的问题。通常,用户下载一个新出App,一方面是受App运营商的营销手段的影响,另一方面则是因乐于尝试这一类别的新鲜App。而App的下载传播依靠的主要是身边朋友的推荐和社交软件的营销推广。就此,论文提出了针对每一个App的用户群特征,以同无线网络下得出的接触圈为单位推广的思路向用户推荐App的推荐算法。即以App为单位,对其用户群进行建模分析,模型结果得出对该App不同喜好程度用户群的特征信息,用匹配App用户群特征的方式判断目标用户对该App是否会感兴趣。本文进一步提出了以忠实度、活跃度用以判断用户对App的喜好程度而不是依赖用户评分,并对基于Can-Tree结构的Can-Mining关联规则挖掘算法进行改进用于用户群特征挖掘,且基于改进的算法提出了增量环境下的挖掘算法,更有效的适用于现实中不断增长的用户群。为了进一步论证论文的假设前提,一个关于手机用户App下载习惯的问卷调查被设计并发布,且调查结果有效的支持了文章假设。最后,通过一个真实的接触圈内手机用户App下载情况进行数据采集和分析用以验证接触圈对用户下载新App的影响力。并对App用户群特征提取算法进行实现及仿真实验,实验表明在大部分支持度下,改进的算法进行App用户群特征提取的性能均优于Can-Mining算法。