随着移动互联网的迅速发展,在移动客户端的产品和服务日益丰富。以智能手机为代表的移动终端设备已经成为了人们日常生活、工作、娱乐不可或缺的部分。然而,移动终端设备的尺寸有限,移动用户接收信息的能力也十分有限,移动端信息量爆炸式增长使得移动用户寻找和接收有效信息的障碍越来越明显。用户想要高效地获取与用户个性化需求相匹配的信息及服务变得越来越困难,与传统互联网一样,移动端的信息过载问题也日益凸显。　　推荐系统在解决传统互联网上的信息过载问题、根据用户偏好帮助用户决策等方面表现优异,是一种很好的个性化服务方式,尤其是协同过滤推荐算法已经成为目前应用最为成功和广泛的推荐算法。因此,本文考虑将协同过滤推荐算法引入到移动环境下的推荐中。然而移动环境的新特点决定了不能照搬传统互联网推荐算法,上下文因素将成为移动用户选择和决策的重要影响因素。　　本文提出了一种移动环境下上下文感知的协同过滤推荐模型,以协同过滤推荐算法为基础,将上下文因素引入的方式为用户在移动环境下提供更好的推荐质量。首先,对上下文在移动推荐中重要性进行阐述,并提出了上下文引入到协同过滤推荐中面临的数据稀疏性问题和上下文引入方法单一问题。针对数据稀疏性,定义了松弛上下文来改善因上下文引入而产生的数据稀疏问题;针对上下文引入方法的不足,本文提出了一种将上下文预过滤与上下文建模结合的混合建模方法。在上下文预过滤中,通过定义硬性上下文作为预过滤条件,在上下文建模中,针对现有研究在上下文因素与算法之间融合程度上的不足,在传统的协同过滤推荐算法基础上设计了基于上下文的协同过滤推荐算法改进思路。针对上述思路,进一步提出了移动环境下上下文感知的协同过滤推荐模型构建思路以及模型框架,并对模型的核心算法进行了描述。此外,本文通过调查形式构建了实验数据集,并设计了不考虑上下文、单纯上下文预过滤、单纯上下文建模的三种方法与本文提出的模型作实验对比,并利用MAE和F1评价指标比较了本文提出的模型与其他三种方法之间的推荐质量。实验表明,本文提出的模型相较于其他三种在推荐质量上有较好的表现。最后,对本文所做的研究工作进行总结,分析了模型存在的不足之处,并提出了未来的研究方向。