随着互联网的发展和快速扩张，信息爆炸的时代来临，网上各种各样的信息层出不穷，用户面对庞大的信息不可能去逐一甄别，随之而来诞生了推荐系统。与此同时社交网络开始步入生活的方方面面，越来越多的群体消费行为开始产生，尤其在移动端，聚会聚餐、团购、组团旅游等等只需要点击几下手机就行。目前针对个体用户的推荐系统发展迅速，并应用于很多大型网站中，但是针对团体用户的推荐研究较少，尚未有统一规范的算法和评价方法。本文通过采用知识重用的方法，来提高推荐系统的表现结果，并应用于移动电子商务的群推荐系统当中。　　本文实验的数据为移动端的用户的消费行为数据，采用群推荐的方式。群推荐一方面迎合了越来越多的集体消费活动行为，另一方面也会提高推荐系统的多样性，覆盖更广的用户需求。首先，本文针对隐含信息反馈的数据集，提出了获取隐含信息的方法，来刻画和描述用户的偏好模型。并且提出了一种群推荐用户分组的方式。通过基于项目推荐的方法，先将可能潜在偏好相同的用户聚集到一个群里，从而提高群推荐的评价分数。最终，在上述两条的基础上，针对移动电子商务环境，提出结合用户属性和产品属性的知识重用方法，改善和提高推荐结果的表现。