近年来，随着互联网的快速传播，人们越来越多的商业行为也从实际生活转移到了网络生活上。现在电子商务在我们的生活中飞快的发展，更多的产品在互联网上供人们选择，普通的筛选方式(搜索引擎)已经难以满足人们的需求了，这就促进了推荐系统的产生。推荐系统是系统通过计算用户的历史信息，给用户推荐适合的产品。随着智能手机用户的快速增加，人们进入到了一个应用电脑办公，应用智能手机娱乐的时代。智能手机用户的增多促进了智能化应用软件的发展，也使得越来越多的电子商务和娱乐平台将重心转移到了智能手机用户中来，所以基于移动终端用户的推荐系统需要得到进一步的研究。现今时代是一个大数据的时代，如何从海量的呈爆炸式增长的数据中，快速有效的找到自己感兴趣的东西，是基于智能终端用户的推荐系统需要面临的问题。　　本研究主要内容包括：⑴提高用户冷启动的准确性：针对移动用户的移动化特点，对传统的协同过滤算法进行了改进，将移动用户的情景变化考虑进去，计算项目的相似度并进行推荐。⑵提高推荐多样性：将推荐数目进行划分，将移动用户的情景考虑在内，提高推荐多样的多样性。⑶提高系统的可扩展行：应用MapReduce，并使用Hadoop架构以改善大量用户和产品的加入问题，提升了推荐系统的可扩展性。