随着国内移动电话用户数量的快速增加以及移动通信新技术的飞速发展,通过空中下载技术(Over The Air,以下简称OTA)提供的各种各样的应用也随之增多。而由此带来的是用户在面对如此数量众多的应用时该如何选择的问题。显然,出于不同的兴趣爱好,不同的应用和目的,不同的用户对于应用的需求是不同的。这样在面对大量的应用时,用户往往陷入无从选择的尴尬境地。所以,提出个性化应用推荐系统是十分必要的。而如何挖掘和建立用户兴趣模型,正确把握用户的兴趣类型是提高个性化服务质量的关键。本文作为作者的硕士毕业论文,针对OTA系统中的应用,在阐述当前国际国内相关领域的研究现状之后,提出一种应用推荐系统模型,该模型基于Agent理论,目的是实现个性化的应用推荐。本文以移动个性化服务作为研究方向,着重研究移动用户在应用下载与使用等行为中表现出的用户兴趣倾向,并基于这些倾向,对用户进行个性化的应用推荐。本文在简单介绍了数据挖掘,个性化推荐等技术的基础上,对移动用户建模,用户兴趣预测,个性化推荐等进行了一些讨论与实验。文章首先介绍了研究课题的意义与希望实现的目标,然后基于Agent理论思想提出了全新的个性化应用推荐系统模型,随后文章对移动用户行为与兴趣之间的关联做了讨论与分析,由此提出了用户兴趣发现与兴趣预测算法,并做了实验分析。接着对个性化推荐的两种常见思路,即聚类分析与关联规则进行了讨论,并结合实验数据分析了OTA系统中个性化应用推荐的结果与推荐效果。