随着计算机技术的发展,特别是在普适计算的概念提出后,智能化的人机交互日益成为计算模式发展的趋势。智能空间中的普适计算,其注意力往往在目前进行的任务上而并非计算系统上,某种程度上用户甚至不会察觉到计算系统的存在。这种需求特性就要求应用程序不再将用户的输入或指令作为执行任务或功能的唯一触发点和驱动力,它必须能够在用户未发出任务请求的情况下依据相应的历史信息智能地来判断接下来要进行的任务的种类和时间。基于此,为了更好的实现普适计算的透明性,智能空间与交互式上下文情境感知系统的深入交叉融合显得越来越为必要,而这一领域的研究也日益得到人们的重视。本文首先深入探讨了普适计算,智能空间和上下文感知等新兴技术,并在将三者有机结合在一起的基础上提出了通用型普适计算智能空间(GPBIS)框架。该框架将物理空间与人的注意力密切结合起来,它的重要意义在于为各种基于特定场景的普适系统应用提供了一个可遵循的、统一的普适框架,构建了一个高级别的抽象概念模型,并对构造一般应用的普适系统提供了基础和灵活的支持。接着,在GPBIS框架的基础上,我们以大学校园为应用背景,具体实现了影式智能追踪普适校园(SLITPC)系统。与已有体系架构相比,SLITPC系统最大的创新点在于:(1)构建出一个轻型的“用户-影子”模型,这一模型集成上下文感知概念,可以在任何时间、任何地点对用户进行追踪。更重要的是,该“用户-影子”模型可以根据不同的上下文和用户偏好进行客户化配置。(2)SLITPC系统提供了一个可扩展的,分布式的资源发现机制。它将资源划分为两层结构,外层结构的结点及时检测资源的加入或离开,然后通知内层结点更新。因此,大多数结点不需要主动检测或者动态更新资源的状态列表。(3)SLITPC系统中包括一个强大的上下文推理机制。该机制使用基于本体论的方法来表现上下文,并使用贝叶斯网络来进行因果逻辑推理,这对于确定性和非确定性推理提供了良好的支持。为了更好地体现普适计算的透明性和服务性,我们在SLITPC系统中加入了协同过滤机制,用于为用户提供音乐推荐服务。该推荐系统的创新之处在于:(1)采用了歌曲和艺术家的双标准策略;(2)制定出了一个隐式的评级析取机制,用户不必手动为音乐评级打分;(3)在所得到的隐式评分信息的基础上,给出了基于中央数据库方式和分布型P2P方式的协同推荐算法,我们将这两种推荐方案有机整合在一起为用户提供高可用性的音乐推荐方案;(4)在一定程度上解决了新颖性缺乏的问题。