随着各种无线宽带技术的发展，以及各种移动终端设备的普及，用户可以在移动状态下接入和使用互联网服务，“随时、随地、随心”地享受互联网业务带来的便捷。此时各种满足消费者高层次信息需求的移动互联网增值业务适时地推向市场，并且逐渐朝着海量化，多样化发展。在如此众多的业务中，如何让用户快速准确的找到感兴趣的业务？显然传统的推广方式已经无法很好地解决这个问题。
　　为了解决这个问题，在互联网领域，尤其是电子商务方向已经大获成功的个性化推荐系统被引入，并且也取得了一定的成果。近年来，个性化推荐在移动互联网上的应用开始受到大家的关注，国内学者研究设计出了移动个性化新闻推荐,移动彩铃个性化推荐等推荐系统。但是作为移动互联网的一个重要又特殊的用户群体，传统个性化推荐系统在校园互联网上的应用并不理想，需要进行改进。
　　本论文简单介绍了移动互联网，增值业务，个性化推荐等理论知识，对基于用户的协同过滤的个性化推荐进行了研究和实验。在现有的个性化推荐系统基础上，本论文根据移动互联网校园用户群居和从众的特点，以及现有推荐算法的局限性，我们将业务影响权重引入了用户间相似度的计算过程中，并使用层次分析法来将经验判断转化为权重数值，以减小一些必选业务对推荐结果带来的影响。同时对学生群体经济特殊性做出考量，加入经济因子，对基于用户的协同过滤算法进行了改进，设计并实现专门针对校园用户的移动互联网增值业务个性化推荐系统，力求提高推荐的精度，为用户带了便利，也为运营商带来更大的收益。
　　在本论文的最后，我们利用问卷调查收集到的数据，对个性化推荐算法以及加入经济因子改进后的推荐算法进行实证研究，分析推荐结果。对比传统的个性化推荐算法，证明了应用改进后的算法可以有效地提升对增值业务的推荐精度。