随着移动互联网的蓬勃发展，各种以移动智能终端为依托的推荐服务纷纷涌现。以百度，阿里，腾讯为代表的互联网企业，纷纷开始进驻本地生活服务市场，都希望能够打造一个基于地理位置数据的封闭式的OTO服务平台。　　本文对移动互联网时代的特点和发展趋势进行了深入的剖析，结合心理学中对人类隐性记忆行为特征的研究，构建了L-U-V-I（位置-用户-访问-兴趣）四维用户兴趣模型，排除了传统的推荐系统中常用的显示反馈结果，并引入“访问频次”属性，得到改进的移动用户兴趣模型;结合国内地图地理信息存在偏差的现实情况，打破了纠偏数据文件检索的传统思维定势，提出了一种基于二进制文件的预处理和偏差定位方法，将纠偏的执行效率提高了11％，存储空间至少节省了50％;对关系型存储和NoSQL存储机制进行深入地学习，分别在MySQL和Mongo DB中采用多种方法实现了地理信息检索，并对多种方法的检索效果进行对比，证实了在大数据时代，以Mongo DB为代表的面向文档的存储方案更加满足不断膨胀的海量移动用户地理位置检索的查询需要、更加具备系统的水平可扩展性。