随着社会信息化进程的不断发展，电子商务系统为用户带来了众多的便利。但面对大量无规律的信息，用户经常会不知所措，无法找到合适服务信息，同时服务提供商也因为无法与用户沟通而失去用户。为了改善这种情况，一些研究者提出了推荐技术。电子商务推荐系统可以直接同用户进行交互，并根据用户需求推荐适合的商品，从而帮助用户完成购买过程。这样，电子商务系统能够更好的留住用户，促进用户消费。由于推荐系统在电子商务系统中的显著效果，越来越多的研究者开始关注推荐技术。推荐技术涉及到众多领域技术，包括统计学、机器学习、数据挖掘、网络与通信、认知学甚至是管理科学，是互联网技术的一个重要研究方向，并逐渐成为一个单独的研究领域。　　 近年来，依靠智能终端的普及和3G通信网的推广，移动互联网显露出蓬勃的发展势头。基于移动互联网的应用也层出不穷。本文通过文献综述分析了推荐系统的发展历程和研究状况，总结了推荐系统现在面临的主要挑战，简要介绍推荐系统的相关技术以及现有的推荐技术的核心思想和优缺点。结合当前流行的LBS技术和推荐系统技术，本文推出一种基于信息检索、内容过滤和协同过滤的分区式混合推荐系统来为移动通讯录服务。为了能在终端无法连接网络的时候还能提供推荐服务，设计了离线推荐模型。服务器端推荐模型采用了基于内容过滤和协同过滤的推荐技术，利用终端的定位服务和通讯录中的好友关系缩小搜索空间，同时也提高了推荐质量。　　 本文的主要研究工作如下：　　 (1)根据当前推荐系统技术的发展和移动互联网特点，提出系统需求说明，认为移动通讯录推荐系统应具有简单、快速、有效的特点。　　 (2)推出一种基于信息检索、内容过滤和协同过滤的推荐模型，详细介绍了模型的设计和实现流程。针对一些推荐系统面临的问题，给出解决方案。该模型理论上能够为用户提供全面的推荐服务。　　 (3)设计推荐系统体系结构，对系统重要模块设计作出说明，详细介绍数据库设计和重要类设计，并与传统的协同过滤模型进行对比测试，分析测试结果。