对于移动互联网应用而言，除了传统互联网所积累的海量信息、各种丰富应用可供使用外，移动互联网本身也生产了海量的内容和应用，怎样准确识别用户的喜好并在此基础上向用户推荐最相关的产品、服务、信息是解决所谓“信息超载”问题的有效手段之一。
不管是基于内容过滤（Content-Based filtering ）、基于协同过滤（ Collaborative filtering ）的个性化推荐技术，基于互联网的个性化推荐基本上还是基于用户行为历史（购买行为、点击行为、收藏行为、点评行为等）+当前内容场景（例如正在浏览的图 书、正在交流的SNS好友等）来进行上下文推荐的，可以说互联网个性化推荐主要还是偏重于线上服务本身的，对于用户的位置因素以及相关的因素并没有太多的 考虑。
与基于互联网的个性化推荐相比，基于位置服务的个性化推荐似乎更有意思。基于位置服务的个性化推荐之所以与基于互联网的个性化推荐有所差异，除了位置因素 外，还包括时间因素、人的因素，按照1H5W的框架来梳理一下基于位置服务的个性化推荐会发现，引入位置因素、人的因素、时间因素后，个性化推荐会出现很 多有趣的应用场景，最为重要的是莫过于线上服务与线下传统服务的结合与互动。
与传统互联网的个性化推荐主要局限于各大网站站内内容相对比，影响移动互联网个性化推荐另外一个重要因素是平台开放性。对于移动互联网本身由于有传统互联 网所积累的各种丰富应用可供使用，在面临传统互联网巨头们先天的优势，移动互联网时代的个性化推荐不应当只是固步自封，应当采取更开放的心态，不要指望在 移动互联网时代重新构建一个全新的平台，让用户完整地黏在上面，应当整合用户在互联网上所使用的各种已有应用和用户数据来作为推荐的基础。当然有很大一部 分要依赖于传统互联网巨头们的开放性，但开放是互联网、移动互联网的精神所在和必然趋势。
可以说基于位置服务的个性化推荐比传统互联网的个性化推荐对于推荐引擎的技术要求更高。如果说位置服务是移动互联网的杀手级应用的话，那么基于位置服务的个性化推荐必然是其中最核心的技术之一。
1 、个性化推荐的1H5W
1.1、 when时间
o 过去一会儿
o 当下
o 即将
1.2 、where地点
o 在什么地点
o 在什么地点周边
1.3、 who人物
o 我
o 我的朋友
o 和我素昧平生但臭味相投的人
1.4 、what 什么
o 我已做什么/正在做什么/想做什么
o 我的朋友已做什么/正在做什么/想做什么
o 和我素昧平生臭味相投的人已做什么/正在做什么/想做什么
o 已经发生什么事情/正在在发生什么事情/即将发生什么事情
o 什么热点
1.5 、why为何
o 获取信息/传播信息
o 交朋友
o 找乐子
o 做交易
o 无聊闲逛
o 等等
1.6、 how怎样
o 怎样让我方便快捷地获得需要的信息
o 怎样让我方便快捷地完成信息分享
o 怎样让我方便快捷找到兴趣爱好的朋友
o 怎样让我方便快捷找到我喜欢的有趣的事
o 怎样让我方便快捷完成交易
o 怎样让我在闲逛中得到惊喜
o 等等
2、个性化推荐的信息源
2.1 、当前地理位置信息
2.2 、周边的商家信息
2.3 、周边的营销信息
o 促销
o 秒杀
o 广告
o 抽奖
o 互动游戏
o 等等
2.4 、周边的活动
o 聚会
o 会议
o 演唱会
o 观影会
o 集采
o 团购
o 等等
2.5 、周边的突发事件
2.6 、SNS信息
o 附件的好友
o 附近兴趣爱好相投的人
o 附近的圈子
2.7 、社会化媒体信息
o 微博
o 广场
o 纸条
2.8 、交易信息
o 团购
o 集采
o 购买
o 交换
o 等等
2.9 、个人信息
o 当前位置
o 活动轨迹
o 状态
o 微博
o 收藏
o 好友
o 关注的人/商家/活动/事件
o 参与的活动
o 参与的交易
o 参加的圈子
o 等等
2.10 、排行榜
o 热点事件排行榜
o 商家活动排行榜
o 微博排行榜
o 潮人排行榜
o 社区排行榜
o 趣事排行榜
o 等等
源地址：http://www.yeeach.com/2010/12/19/%e5%bd%93%e4%bd%8d%e7%bd%ae%e6%9c%8d%e5%8a%a1%e9%81