随着移动互联网的飞速发展,移动应用的日益增多,应用市场竞争日益激烈。面对大量的移动应用,移动用户需要花费大量的时间来选择他们感兴趣的应用,开发者也需要花费高昂的推广成本来获取用户。为了便于用户更方便的找到想要的应用,并且能够提供更多的应用曝光机会来帮助移动应用开发者推广应用,降低推广成本,移动个性化应用推荐系统应运而生。本文在传统推荐系统的基础上,结合了移动互联网的特性,设计并实现了一个适用于移动互联网的应用推荐系统。本文首先介绍了课题背景、研究内容以及移动个性化应用推荐系统使用到的相关的技术。其次结合了移动互联网的特点,针对移动终端用户和移动应用开发者进行了需求分析,并提出了一种交叉互推的应用推荐方式。接着本文根据移动终端用户的使用行为和使用习惯,针对传统Slope One推荐算法的不足,提出了一种基于用户隐式反馈的混合推荐算法,并通过测试证明混合推荐算法具有更高的准确性。之后基于当前主流移动终端操作系统的特性,提出了适用于移动个性化应用推荐系统的用户标识方法,并根据对移动用户和移动开发者的需求分析,基于用户隐式反馈的混合推荐算法设计了具有正确性、可用性以及可扩展性的移动个性化应用推荐系统,实现了推荐引擎模块、日志收集处理模块以及离线计算模块。最后对实现的系统进行了功能测试和性能测试,并对本文的工作进行了总结和展望。