随着移动业务的快速发展，信息服务提供商掌握了大量的用户购买信息，同时也有大量的内容需要推荐给客户。在用户个性偏好起着重要决定性作用的情况下，传统的营销方法显得既低效又容易引起用户的反感。在这种情况下，为每个用户生成个性化的营销策略是非常有效与经济的。本文设计并实现了一套基于用户社会化信息的推荐系统，其基本原理是根据用户的购买记录和社交行为等信息，通过采用数据挖掘、社会网络分析等方法发现用户的偏好，最后使用各种推荐算法为用户生成个性化的营销信息。本系统可以用于彩铃下载，网页阅读，书籍阅读，应用下载等移动领域的很多物品上。本系统采用B/S架构，所有计算均在后端服务器上进行，操作人员通过浏览器进行相应的营销活动。本文主要内容为：1.详细研究了手机用户彩铃购买记录和社交行为，针对特定时间范围的用户兴趣在歌曲类型，歌曲风格，歌手等方面进行偏好分析。2.利用社会网络分析方法，通过分析用户标签行为，提出一种具有多样性的歌曲推荐算法。3.基于Hadoop平台研究了分布式环境下的大规模用户推荐问题，并实现了本体提出的社会化推荐算法。4.将本系统应用于电信彩铃推荐业务，并利用真实数据进行实验验证，得到了较好的实验结果。由于传统的推荐技术以提高推荐精度为主要目的，推荐列表往往聚焦于少量的流行商品。为了提高用户-系统粘度，针对老顾客在流行性推荐失效后必须考虑推荐列表的多样性，才能满足顾客的个性化需求。怎样才能在兼顾系统精确性的同时也保证推荐结果具有多样性，成为当前推荐系统需要解决的一个重要问题。因此，本文的主要贡献在于利用用户的社会化行为，提出一种同时满足精确性和多样性的推荐方法，不仅能应用于基于社交网络的社会化推荐，在传统基于长尾的推荐任务中，也能起到很好的胖尾提升效果。