随着国家改革开放政策的不断深入,社区的发展也进入了一个崭新的时代,新技术的引入将是提高社区服务质量的一个有效途径。目前的社区服务网站大都停滞于Web2.0的时代,当前最为广泛的大数据技术和移动互联网技术在社区服务领域远远没有发挥其作用。本课题主要针对于当前社区服务中存在诸如互动性较差、个性化服务水平较低等问题,设计和开发了基于移动端应用的LBS社区服务系统。针对于本课题基于LBS的社区服务的应用场景,我们试图通过移动互联网的独有特点,即位置信息,来探寻一种优化推荐结果的方法以及针对推荐系统“冷启动”问题的解决思路。本系统提出了一种通过用户地理位置信息来为用户分组的方法,即建立TDT(二维树),并通过此分组结果统计用户群组的统计信息,之后,将此统计信息加入到原始效用矩阵当中并通过基于ALS-λ的推荐算法实现推荐功能。通过实际的数据对改进的算法做了必要的测试,从测试结果的分析中,我们证明了改进算法的可行性和有效性。在实际应用当中,改进算法能够在一定程度上有效地解决推荐服务的“冷启动”问题,并能在用户变动常用位置时,提高系统推荐结果的新颖性。本文的主要工作如下：一、分析社区服务系统的需求和难点,选用移动app作为应用的实现形态,并根据具体需求对基于移动应用的LBS的社区推荐系统进行整体设计；二、深入研究协同过滤推荐算法,收集和研究关于基于地理位置信息的聚类算法资料,提出并实现了一种基于地理位置信息的用户聚类方法；三、调研开源推荐框架,使用用户聚类信息改进推荐算法。抽取用户行为数据得到推荐引擎所需数据,并使用实际数据测试改进算法的有效性；四、实现推荐引擎的搭建,对于推荐结果进行展示。