随着以智能手机为代表的移动终端的普及率快速上升，以及移动互联网和移动通信技术的飞速发展，移动应用市场最近几年出现了爆炸性增长。面对大量的移动应用程序，用户往往需要花费大量的时间来选择自己喜欢的应用。为解决这个问题，移动个性化应用推送服务应运而生。本文设计并实现的个性化应用服务推送系统，能够根据用户的喜好自动向其推送应用程序，帮助移动终端用户高效的找到自己感兴趣的应用。同时，系统能够帮助运营商更好地服务客户，促进增值业务的发展，为运营商带来更大的收益。本文主要研究内容如下：首先，介绍了个性化推荐系统的概念、组成以及相关的理论知识。对传统的个性化推荐系统中常用的推荐技术进行了深入研究，详细分析了不同推荐技术的优缺点。其次，着重分析了目前较为流行的协同过滤推荐算法。对算法的基本思想、算法的分类、算法中存在的问题都进行了详细的分析。再次，提出了一种改进的加权Slope One推荐算法。Slope One算法是2005年提出的一种简单、高效的基于项目的协同过滤算法，但是该算法仍然存在冷启动问题。对于新用户问题，改进的算法通过用户的个人信息来计算用户的相似度，按照相似度的大小产生用户的“最近邻居”，根据“最近邻居”用户的评分产生推荐；对于新项目问题，改进的算法通过项目自身的属性，计算项目之间的相似度，根据相似度预测评分，从而产生推荐。最后，本文设计并实现了移动终端个性化应用服务推送系统。该系统分为服务器端和客户端两部分。服务器端又分为个性化应用推荐模块和系统管理模块。个性化应用推荐模块通过运行改进的加权Slope One推荐算法向用户产生推荐；系统管理模块则实现了应用管理和数据统计等功能。而客户端作为与用户交互的接口，主要负责应用的显示；另外，在客户端运行着一个后台程序，它用来收集用户对应用的使用情况信息，作为服务器向用户推送应用的数据源。