应用市场中的应用正逐年呈指数形势增长,面对海量的应用市场,用户急需一个良好的推荐机制来高效、迅速的获取到自己感兴趣的应用。通过调研分析目前热度较高的几大应用市场发现,现有的平台大多采用基于用户群体行为相似度的协同过滤推荐算法,忽略掉了用户的个性特征,未必符合用户的真实需求且很容易发生局部应用热度持续增长,而冷门应用永远不会被用户所发现的情况。基于以上现状,本文围绕用户的个性化推荐展开了一系列研究。在研究过程中发现,用户日常使用手机的日志中往往存在着丰富的信息,能够从中挖掘到很多用户的个性化数据,是全文的研究基础。APP作为一种典型的服务形态,在用户的使用过程中与用户之间呈现出一种与自然界生态系统结构相似的关系,两者相互影响,在细微变化中维持着动态平衡的状态,因此本文从以下几个方面开展了一系列研究:(1)创新性的提出了个人移动服务生态系统模型的概念,给出模型的形式化定义,开发了一款自动化数据收集工具对生成模型的所需的数据源进行采集,并对生成的模型实现了基于Web的可视化。(2)由于用户的个人移动服务生态系统处于长期的动态变化之中,本文从变化量和原始数据的角度分别对模型中各元素的变化进行了分析,采用熵这一参数对变化强度进行衡量,发现并总结领域和服务的演化模式,设计并实现了针对服务演化的模式识别算法。(3)为实现细粒度的预测用户下一周期的兴趣偏好,首先分别提出了领域和服务轨道的预测算法用来预测模型在下一周期的潜在变化情况,然后对应用市场数据进行抓取,构造应用词向量文件,将用户的服务轨道转化为兴趣轨道从而得到用户在下一周期的兴趣偏好,最后从丰富和净化生态系统两个方面为用户提供一系列服务推荐的策略。(4)对研究成果进行了整合,设计并开发了一款集数据收集、模型计算、演化分析、结果展示、个性化推荐为一体的个人移动服务生态系统的原型工具,体现出模型在现实应用场景下的价值。