随着移动通信技术的飞速发展,移动设备逐渐成为人们获取信息的主要平台之一。然而,由于移动多媒体技术和移动信息承载、传输能力的提升,尤其是移动社交网络的兴起,大量丰富多彩的移动服务和信息内容日益涌现,为人们带来严重的移动信息过载问题。传统互联网中,为了有效的缓解信息阻塞问题,引入了搜索和推荐两种手段。搜索需要用户主动进行信息检索,结果和用户的表达能力关系较大；而推荐一般是通过分析用户个人及其相关用户信息,预测用户的喜好,推送结果,对用户本身要求不高。与传统互联网相比,移动通信网中网络资源有限,移动设备也存在输入输出能力弱、电池续航能力弱等缺点,为了从浩瀚的移动信息海洋中发现用户真正感兴趣的内容,提升移动用户的个性化服务体验,采用推荐手段更为合适。本文针对移动通信网中个性化信息和服务推荐所存在的问题,结合社会化网络分析方法提出一种基于移动用户社会化关系挖掘及评分预处理的混合数据选取推荐算法。利用移动通信网中所形成社会化网络,预测潜在的社会化网络关系,并按关系紧密程度找到相似用户,然后结合基于用户评分相似度计算发现的最近邻用户,来找到最相似的用户集合；在计算用户评分相似度前,对己知评分矩阵进行一定的预处理,降低矩阵的稀疏性。实验分析结果表明了该算法在预测移动用户偏好和提高推荐精确度方面的可行性和有效性。