为了提高社区居民的生活质量,推进社区创新化管理的进程,前期在某社区项目中开发了“基于LBS的社区管理系统”,实现了社区信息服务和公共管理等功能。随着时间的累积和业务覆盖面的扩大,系统中待发布社区信息日益增多,出现了信息过载现象。当前系统中的社区信息服务仍以简单的信息展示为主,移动互联网技术和数据挖掘技术并没有发挥应有的作用。本文试图解决当前社区管理系统中信息流通不畅的问题,设计和开发了基于LBS的社区信息个性化推荐系统。为此该系统对社区周边的各类社区信息进行整合处理,利用社区信息本地化特性,按照用户个性化需求进行推荐。本文主要完成以下工作：一、 通过对社区居民行为和社区信息特征的研究,分析了社区信息的本地化、非标准化等特性,选取个性化推荐技术改善社区信息过载的问题。结合个性化推荐的定义和相关概念,明确了推荐对象。二、推荐算法使用基于用户的协同过滤算法,利用余弦相似度计算用户相似性,固定N值进行邻域选择,预测用户对社区信息的兴趣度,生成推荐列表。三、 依据社区居民和社区信息的本地化特性,提出了数据预过滤的协同过滤改进算法。使用层次聚类算法对用户预先分组,分组过程中使用了Geohash算法对LBS提供的地理信息进行转码。根据分组结果对数据进行预过滤,在一定程度缓解了“冷启动”问题。四、 设计实验方法,验证改进算法的有效性。实现基于上述算法的基于LBS的个性化推荐系统,并应用在某社区项目中,解决了社区信息个性化推荐的问题。