随着移动通信的迅猛发展，特别是近些年3G/4G网络的普遍应用及云计算技术的快速发展，电子商务的应用不再局限于传统的PC平台，而是结合云计算将之移动到智能终端上来，又特别是移动智能终端的普及，使得移动电子商务得到快速得发展。移动电子商务能更方便地针对用户个人提供更加独特的个性化服务，这是移动电子商务最大的优势所在。同时，信息过载与流量费用偏高的问题要求商家提供更好的个性化服务。但构建电子商务推荐平台对开发基于智能终端的电子商务云应用的中小型企业来说，存在很大的技术难度。基于该问题，本课题旨在构建一个智能终端云应用的电子商务的推荐引擎平台，为基于该平台的智能终端云应用提供推荐服务。在本论文中，针对智能终端云应用推荐的需求，本文提出一种基于Hadoop+Mahout的推荐引擎平台的构建模型。该模型是针对智能终端云应用的推荐所面临的问题而提出的，它采用了离线数据分析与在线推荐结合的方式实现推荐。该模型的离线数据分析分析模块是基于开源云计算平台Hadoop来搭建，使得该平台具有很强的计算能力，并且使用数据挖掘的开源算法库Apache Mahout库来支持离线数据分析，大大降低了离线数据分析平台的搭建难度。在线推荐模块是用于实时分析用户的行为，提供即时推荐。两者加在一起就能更好的提供推荐服务。然后对Mahout实现的基于项目的分布式协同过滤算法进行较为深入的分析，研究其存在的缺点，并提出了改进的方法，最后通过MovieLenS数据集的进行仿真实验，证明改进的可行性。本论文围绕为智能终端云应用提供一种智能终端云应用的电子商务的推荐引擎平台构建方案的目标，创造性地提出了一种基于Hadoop+Mahout的推荐引擎平台的架构模型，并对Mahout中的基于项目的分布式协同过滤算法进行分析并对其存在的缺点提出改进的策略。除此之外，本论文中，通过运用Hadoop云计算平台及Apache Mahout构建推荐引擎平台，并按照面向对象设计知识完成了对综合推荐引擎平台系统的设计与实现。最后，本论文设计的测试相关方案，验证推荐引擎平台的关键性能。