个性化推荐作为一种有效的信息获取手段已成功应用于电商、音乐和电影等领域。已有研究多数聚焦于推荐的精度，缺乏对推荐结果的多样性考虑，忽略了应用领域中被推荐项目的流程特性（如"互联网+政务"中办事项的推荐）。为此提出一种综合用户社区与关联序列挖掘（CAS-UC）的电子政务推荐算法，优先向用户推送利益关联最大的办事项。首先，对用户和办事项的静态基本属性以及动态行为属性分别进行特征建模；其次，基于用户的历史办事记录和属性相似度进行用户社区发现，预筛选出与目标用户最为相似的用户集，提高推荐结果的多样性，减少核心推荐过程的计算量；最后，办事项的关联序列挖掘充分考虑了电子政务的业务特性，加入时间维度的办事项序列挖掘，进一步提高了推荐结果的精度。以芜湖市易户网为平台载体，基于Spark计算平台对用户脱敏后的信息进行仿真，实验结果表明，CAS-UC适用于被推荐项目具有序列或流程特性领域的推荐，与传统推荐算法如协同过滤推荐、矩阵分解以及基于语义相似度的推荐算法相比，具有更高的推荐精度，用户的多社区归属因素增加了推荐结果的多样性。