随着移动互联网和移动电子商务的快速发展，作为电子商务的一个核心技术个性化推荐技术也日渐成为了移动商务领域的研究热点之一。然而目前，在移动商务领域，关于个性化推荐技术的深入研究还相对较少，且大多数已有的推荐算法的精度和效率也还有待进一步提高。基于此，本文在对传统推荐技术相关领域进行深入研究后，结合移动商务的主要特征(位置相关性)，产生了一些针对移动推荐领域的研究成果，具体如下：首先，本文将位置情景信息作为一个新维度引入到了移动电子商务的用户兴趣模型中，提出了基于LBS的电子商务用户兴趣模型L-U-I模型，即位置-用户-项目模型。以传统的用户-项目(U-I)矩阵相比，该模型以位置情景信息为第三个维度，把二维矩阵改造成了一个立体的模型，模型中每一个点都表示用户在该位置情景下对项目的兴趣度。然后，在此模型的基础上，以混合推荐技术为基础，本文改进了传统的推荐方法，提出了新的位置情景相似度的计算方法和新的用户兴趣度的推荐排序机制。其主要思想是：先通过用户位置情景相似度的计算，找出相似度最高的情境下用户使用最多的业务项；之后，再通过用户兴趣度的计算，对之前所产生的业务项进行逆序排序，然后把兴趣度最大的推荐给用户。最后，本文设计了测试系统并通过一系列的实验对所提出的算法进行了测试分析，模拟移动应用环境为用户推荐合适的项目。实验结果表明，本文所构建的基于LBS的个性化推荐算法能够很好的满足移动电子商务的应用需要。即，其推荐结果对用户位置和兴趣的变化具有较高的敏感性，可很好的处理移动环境变化很大的这个特点。此外，此算法在推荐的精确度和算法的响应时间上本算法也有一定程度的提高。