移动互联网技术的发展和应用,更加适应现在高节奏快速移动的生活。通过移动互联网提供数字内容产品,并由用户不断接受和喜爱的阅读方式已经逐渐走入我们的生活之中。基于移动互联网的阅读平台也如雨后春笋般不断出现。面对这些挑战和问题,首先定义了研究的对象是基于移动互联网的的媒介和终端,用户处于在线状态下选择内容并阅读的过程中,将基于大数据理论的智能推荐作为一种推荐服务,作为虚拟的销售顾问向用户以特定形式(实时推荐、个性化页面、关联推荐)等,提供用户个性化的信息推荐,引导用户购买决策的服务。在研究中发现,虽然目前主流的移动互联网阅读平台普遍有有试读和商品评论等体验功能,但是移动互联网用户在购买之前很难通过观察和体验评估虚拟商品形式的数字内容质量,并且在移动互联网购物很难模拟现实中市场购物的导购沟通。在这种有别于传统书店模式和电子商务模式的数字内容营销如何进行智能推荐提高用户的购买欲望和忠诚度成为了大家重点关注研究的问题。本文通过理论和文献研究的方法研究了移动互联网用户的行为特征。在Howard-Sheth模式的消费者行为研究基础上进行展开。提出结合大数据理论的智能推荐体系设计,针对移动互联网阅读平台智能推荐服务产生的问题和调整,通过案例分析和归纳的方法对手机阅读的具体业务进行分析,确定智能推荐系统的优化需求,明确将实时推荐和个性化推荐为主要系统架构优化目标。通过这些需求进行具体的智能推荐体系总和分架构设计,并且在架构设计的基础上进行八个创新的核心功能设计。以定量分析的方法了解影响用户接受智能推荐的具体因素,并对这些影响因素进行进一步的分析,以了解用户的智能推荐接受实时推荐功能和个性化推荐功能的偏好,同时研究中也发现对于传统的人工编辑页面推荐和基于关联分析算法的推荐存在一定的抗拒。最后本文根据当前大数据主流硬件和软件的发展,结合移动互联网阅读平台的特点,设计了创新的智能推荐体系,具备了实时行、个性化、全流程服务等特点的全新智能推荐体系。对于一般的数字型内容商品销售平台有一定的参考和借鉴意义。同时探索性提出针对数字内容作为智能推荐效果分析主要对象的方法,以定量分析的方法研究智能推荐对于数字内容整体推荐的效果,并最终形成一套较为完整的应用研究方案。