二十世纪七十年代,Belady和Lehman等人提出了软件演进的概念,此后,大多数研究者都用软件演进来描述软件系统中的大量变化。近几年,一些研究者又从服务演进角度展开了相关研究。由于用户需求是驱动服务演进的动力,所以如何快速获取用户的需求成为服务演进所必须解决的关键问题。针对此关键问题,Carl K. Chang等人建立了支持服务演进的Situ框架,并提出一种基于情境理论来获取用户需求的方法,此方法是以用户意图为中心,通过检测用户意图的变化来获取用户即时需求,进而用户意图的变化识别过程成为此方法中至关重要的环节之一。因此,如何快速并准确地进行用户意图变化的识别是用户意图变化驱动的服务演进方法中值得研究的关键问题。针对这个问题,本文围绕本课题组基于Situ框架建立的智能会议室系统(简称SMR系统)展开论述,研究SMR系统中基于情境理论、并支持服务演进的用户意图变化识别方法。首先,为了准确的识别用户意图变化,通过对当前对用户意图推理和识别方法的研究和借鉴,本文提出了一个基于情境理论的用户意图变化识别框架,并分析出框架中存在的动作序列预处理和用户意图变化识别两个关键问题。其次,针对框架中的动作序列预处理问题,本文提出一种基于场景和最大熵的动作序列分段方法完成动作序列的分段问题,为Situ框架中的隐马尔科夫推理过程提供输入数据,进而间接地为用户意图变化识别方法的提出奠定了基础。该方法基于场景建立动作知识树,运用动作知识树和最大熵原理建立投票规则,然后基于滑动窗口进行投票,统计票数并根据设定的阈值完成分段。另外,通过实验分析获得此方法中相关参数的最优取值。再次,针对新情境的产生和情境序列的变化导致的用户意图变化,本文分别提出了变化识别的方法。其中针对后者变化,本文提出了基于位矢量标记方案对情境序列有向图进行矢量标记,通过判断图中节点可达性来识别意图变化的方法。最后,本文通过一个完整的实例验证了基于场景和最大熵的动作序列分段方法和用户意图变化识别方法在识别意图变化过程中的有效性和可行性。