随着第五代通信技术（5G）的商用以及“携号转网”政策在全国的全面实施,移动通信运营商间的竞争日益激烈,使得各大运营商纷纷对运营策略进行调整,由原来的吸引新客户调整为吸引新客户、留住老客户。对于老客户来说,如何利用用户的历史行为记录,根据用户的使用偏好,为其推荐合适的电信套餐就显得十分必要。同时,随着计算机技术和数据科学的发展,机器学习方法越来越多地被用于建立用户的个性化推荐模型,为建立移动通信用户套餐推荐模型提供了技术和方法。选取国内某电信运营商的用户历史数据集,在对数据进行基本处理和统计描述,分析用户构成和用户历史消费行为,并对数据进行特征重构的基础上,对现有推荐算法进行组合,构建混合推荐模型,并进行模型的比较分析,选择最优模型对该运营商某系列套餐进行用户选取套餐的预测,构建电信用户套餐推荐模型。用户推荐模型构建方法目前主要有基于内容的推荐、协同过滤、基于关联和分类的推荐和混合模型等几种类型。论文研究的特色在于,对目前较新的分类算法的XGboost建模方法应用进行了探索,将其与基于内容的推荐算法进行整合,构建混合推荐模型。通过对电信用户历史数据的实证分析,采用精度、召回率、F1值以及混淆矩阵这四个评价指标对模型进行评价,并将混合推荐模型与XGboost单一模型的预测结果进行多方位比较,得到混合模型的预测精度较高的结论,说明混合模型对于用户电信套餐的预测能力较强。运营商根据用户的历史行为数据采用混合模型为用户进行套餐推荐,有利于提升移动运营商的服务水平,提高用户感知,以便在激烈的竞争中成功保留住原有客户。通过构建混合推荐模型的实证研究,说明混合推荐模型是构建用户推荐模型的一个较好的发展方向,不过由于本例只在运营商提供的6个现有套餐中进行选择,因此推荐结论的代表性有限,但是模型的研究证明了混合模型作为比单一模型更优的一种推荐模型,具有比较大的发展空间。