近年来，随着移动互联网的高速发展和移动终端的硬件、软件不断升级，智能移动终端开始风靡全球。因此，我们也进入了一个信息爆炸的时代，移动终端的用户也面临着信息过载的问题，尤其是手机终端的屏幕较小，处理器的运行速度也比较慢，用户想找到合适自己的信息更是难上加难。而传统的搜素引擎、门户网站等，本质上是帮助用户过滤掉不必要的信息，缺乏个性化的考虑，并不能彻底解决信息过载问题。而推荐系统是解决信息爆炸的一个有效手段，可是传统的推荐系统通常是在电脑端，这种情况就是不能考虑用户所处的环境，比如位置和时间等。而移动终端最大的特点就是他的随时随地性，而如何结合移动终端的特点来向用户进行合理的推荐是现在推荐系统面临的一个新挑战。于是，人们提出了“个性化服务”的概念，来为不同用户提供不同的服务和或者信息内容。推荐系统作为个性化服务的重要分支，通过挖掘用户和项目之间的关系，帮助用户从大量数据中发现其可能感兴趣的项目，比如web信息、服务、在线商品等，并生成个性化推荐以满足个性化需求。目前，推荐系统在电子商务如Amazon、eBay、Netflix、阿里巴巴、豆瓣网、当当网，并且在信息检索如iGoogle、MyYhoo、Groupslens、百度等，以及移动应用、电子旅游、互联网广告等等众多应用领域取得较大进展。

1.2国内外的研究现状分析

在20世纪90年代初，国外就开始了推荐系统的研究，Weiser提出了“普适计算”的概念，作为核心子领域之一的上下文感知计算理论，国外许多大学和研究机构对上下文感知推荐系统理论、方法及应用展开了深入研究，如美国明里苏达大学和纽约大学，意大利波尔察诺自由大学和博洛利亚大学，德国柏林工业大学和康斯坦茨大学等等。ACM推荐系统年会自2009年开始举办上下文感知推荐系统专题研讨会，指出上下文感知推荐系统领域的几个主题，体现了当前研究热点与难点：

1. 推荐系统的上下文建模技术；

2. 推荐系统中基于上下文感知的用户建模；

3. 上下文推荐数据集；

4. 检查上下文数据相关性的算法；

5. 将上下文信息融入推荐过程的算法；

6. 在上下文特征和用户评分之间建立显示关联的算法；

   剩余内容已隐藏，您需要先支付 5元 才能查看该篇文章全部内容！立即支付