当前伴随着互联网的飞速发展,移动端APP数量正在快速增长,针对海量APP,如何为用户推荐正确的APP成为目前面临的一个重大难题。相对于传统的推荐技术(协同过滤和基于内容的推荐),基于图结构的推荐是近年来新兴的并且快速发展的一种推荐技术。基于图结构的推荐能够充分的利用项目上下文信息,有效提高推荐效果。本文首先根据APP推荐的实验数据研究,采用网络爬虫工具搜集了安卓市场的APP信息,并对数据进行预处理使之符合实验要求。然后根据国内外对基于图结构的推荐技术研究,提出了一种基于图结构的移动应用推荐算法。推荐算法的框架可以分为四个模块,构建图模型模块、节点相似度计算模块、目标函数更新模块以及推荐列表模块。本文提出了一种改进的MMC来计算图模型中不同类型节点之间的相似度,这种方法不需要手动设置不同类型节点之间的传输参数;为提升推荐效果,本文将用户对项目的评分矩阵用于图模型中,使用AUC分类器模型标准计算传输参数的目标函数,通过目标函数的收敛分析不同类型节点之间趋于稳定的传输参数;最后,通过不同类型节点之间的传输参数为每一位用户产生相应的APP推荐列表。在实际测试中,本文通过定量对比分析了传统推荐算法和本文提出的推荐算法在命中率和召回率的表现,验证了本文推荐算法的可用性以及带来的性能提升。