随着我国经济水平的不断提高,移动互联网得到了广泛普及,人们之间的交流活动也愈发频繁。在这些沟通交流的活动中,产生了大量的用户移动轨迹信息,从中可以分析出用户的出行习惯、消费偏好和商圈的热门程度。目前社会上广泛应用的基于位置的推荐系统主要是根据当前用户距离周边商铺的远近来进行推荐,并没有考虑到用户的消费兴趣和区域热度,使得推荐结果不具有个性化和合理性。本文分析了相关的个性化商户推荐系统,提出了一种新的基于用户移动轨迹的改进算法并形成推荐系统。本文的研究内容主要有三个方面:(1)本文研究了基于Spark的大数据并行计算框架和Neo4j网络图,针对大规模的用户移动轨迹数据进行分析和数据预处理。(2)本文在研究传统K-Means算法的基础上,提出了一种基于Spark并行计算平台的K-Means改进算法。实验证明,改进算法相较于原算法在迭代效率、运行时间上得到了优化,并在处理大规模数据时表现出较好的加速比和扩展性。(3)本文在上述改进算法的基础上,通过规划用户的移动路径网络,设计并实现了基于用户轨迹的个性化商户推荐系统。实验表明,该推荐系统具有较高的推荐准确性和有效性。