1、無線移動(dòng)通信技術(shù)和移動(dòng)終端的發(fā)展為人們的生活帶來了極大的改變，移動(dòng)商務(wù)因?yàn)槟茉谝苿?dòng)中實(shí)現(xiàn)隨時(shí)隨地的交易并提供服務(wù)而得到重視和快速發(fā)展。在移動(dòng)商務(wù)中基于定位的服務(wù)(Location—Based Service，LBS)被認(rèn)為是一項(xiàng)殺手銅級(jí)的應(yīng)用，然而即使在LBS中用戶仍然面對(duì)著信息過載的問題，同時(shí)移動(dòng)中用戶的時(shí)間和精力、環(huán)境、移動(dòng)終端顯示屏等方面的限制使得這一問題更加嚴(yán)重。 推薦技術(shù)可以有效地解決用戶信息過載的問題，并增加網(wǎng)站的粘

2、度和交叉銷售能力，但是傳統(tǒng)電子商務(wù)中的推薦技術(shù)不能直接平移到移動(dòng)商務(wù)中，因?yàn)橐苿?dòng)商務(wù)和傳統(tǒng)電子商務(wù)相比有很多特征和差別。首先，移動(dòng)商務(wù)的位置相關(guān)性、緊急性和隨時(shí)隨地訪問等是其獨(dú)特的價(jià)值所在；其次在技術(shù)、服務(wù)特性和商業(yè)模式兩者也存在很大差異。這些差異決定在移動(dòng)商務(wù)中推薦算法必須滿足一些特殊的要求：對(duì)用戶興趣變化反應(yīng)快，能處理短期興趣；能處理變化很大的項(xiàng)目屬性，對(duì)位置敏感；無用戶冷開始問題。 從這樣的要求出發(fā)，本文將推薦看作一種了解

3、用戶興趣、縮小可選空間并幫助用戶決策的過程。從決策的角度考慮，推薦就是在有限個(gè)可選的項(xiàng)目中選擇一個(gè)適合用戶需要的項(xiàng)目，而且每個(gè)項(xiàng)目都由多個(gè)屬性所構(gòu)成，這樣推薦問題就可以轉(zhuǎn)化成一個(gè)多屬性決策的問題來解決。本文采用基于案例的模型表示方法并對(duì)其加以修改以適應(yīng)移動(dòng)商務(wù)中推薦的需要．在此基礎(chǔ)上本文利用TOPSIS方法的思想構(gòu)建了基于定位的個(gè)性化推薦算法。 為測試該推薦模型、推薦算法的可行性及其效果，本文設(shè)計(jì)實(shí)現(xiàn)了一個(gè)移動(dòng)商務(wù)中基于定位的個(gè)