在这个大数据的时代,电子商务的发展不断冲击着传统商圈。人们的消费习惯已经渐渐从传统商圈的实体消费转换成网上购物。为了应对这种变化,大力发展以智能商圈为基础的商圈经济,我们需要一个能够整合传统商圈资源和服务的应用,从而提升商圈内用户的消费体验。本文就基于智能商圈的大数据个性化智能推荐系统进行了研究与实现。本文主要从以下几个方面展开:(1)描述了本课题研究的背景现状和目标,简述了论文的章节结构。(2)对推荐系统中所采用的相关技术,例如:海量数据存储所用的HDFS文件系统、Hive数据仓库、大数据分布式计算框架MapReduce、机器学习算法库Mahout和推荐系统需要的主要算法进行了特点分析和介绍。(3)同时从“应用模型”、“用户模型”和“数据模型”分析了在不同的应用场景下的推荐系统。并且对于这三类模型对推荐系统的设计影响作了研究和阐述。(4)针对智能商圈中的应用场景,分析了个性化推荐系统的需求和架构,得出系统中的推荐计算功能可划分为:数据收集、离线计算与在线实时计算三个部分。数据收集部分负责通过ERP后台获取到商户或商品数据;离线部分负责对收集到的数据进行处理和清洗,计算相似性与建模;在线推荐部分主要负责在离线处理数据的基础上计算出最终推荐结果。(5)描述了如何通过Hadoop与Mahout开源框架实现论文中的个性化智能推荐系统。并且通过测试结果验证该系统能够应用于商圈中的多个场景,提供准确的个性化推荐服务。论文中所采用的推荐技术具有一定的参考价值与前景。