近几年随着移动互联网的高速发展,基站选址在通信领域中的地位日益重要。伴随着国内“网业分离”改革的实施和基站选址的发展,基站和选址员的相关信息也大批量的增加。在新形势下如何为基站推荐合适的选址员而不是在海量的选址员中随机选择,已经越来越受到业内人士的重视并被广泛研究。协同过滤算法是一种推荐算法,它不仅能用于帮助用户了解商务活动,同时也可以帮助我们从海量的选址员中推荐出最合适的选址员,从而在降低人力成本的同时提高时间效率。首先,本文分析了论文选题的背景和意义,研究了基站选址系统以及推荐系统在基站选址中所起到的作用。其次研究了推荐系统中常用的推荐算法以及协同过滤算法相比其他算法的优势。再次,论文分析了协同过滤算法系统模型及其在实际应用中存在的不足,基于协同过滤算法系统模型的不足提出了引入损失函数的协同过滤算法。通过凸优化理论对其参数进行求解,学习得到引入损失函数的协同过滤算法的参数,使传统的基于统计学的算法变成了能不断自我学习的算法。通过仿真实验,证明其性能和工业可用性都有了极大的提高,验证了改进的合理性和有效性。最后,本文基于前三章对协同过滤算法的研究成果,将本文提出的引入损失函数的协同过滤算法应用到基站选址场景下选址员推荐问题中,设计和实现了一个带有推荐功能的基站选址系统。通过基站选址场景中的数据,证明了本文对协同过滤算法改进的有效性,以及将引入损失函数的协同过滤算法应用到选址员推荐问题中的合理性。协同过滤算法的研究与应用,基于引入损失函数的协同过滤算法的推荐模块的加入,极大的丰富了基站选址系统的功能,使其变成了一个具有智能化的系统。