随着移动互联网的发展,使用智能手机的用户越来越多,移动应用也得到了快速的发展。据统计,目前在Google Play和App Store的移动应用数量已经超过了一百五十万,微信小程序也已经超过一百万个。面对海量的移动应用描述数据,用户无法一一查看之后再做出选择。因此,当用户需要寻找一个新的移动应用时,一个有效的移动应用查询与推荐系统可以很好地帮助用户做出决策。考虑到移动应用商店中使用的传统的移动应用推荐方法一般都是提供如排行榜,分类列表,编辑推荐之类的推荐方法。这些方法要么只能推荐热门的移动应用,要么需要人工进行预先挑选。在一定程度上并不能获得较好的推荐结果。因此,本文提出了一种基于文本内容的移动应用自动划分与推荐的方法。该方法分为两部分:(1)提出了一种基于移动应用描述文本进行移动应用自动划分的方法。首先使用不同的文本建模工具,对移动应用描述文本进行建模,获得文档向量。之后使用不同的分类聚类算法对移动应用进行划分。从而使得移动应用按照功能进行划分,能够有效降低移动应用的查找时间,并且可以提供基于分类聚类的移动应用查询列表供用户查询。(2)在上一步完成的移动应用划分的基础上进行移动应用推荐。我们首先将用户的查询语句与移动应用的描述文本同时进行文本建模,并且在移动应用划分的基础之上,找到与查询语句最相似的移动应用簇类。将该簇类中所有移动应用的各种属性,如分类,下载量,价格,评分等信息进行融合,之后使用深度因子分解机算法进行移动应用的推荐评分预测。最后,将评分较高的前N个移动应用作为推荐结果推荐给用户。