移动互联网在信息技术领域有着广阔的应用前景，是目前一个非常活跃的研究领域。与传统台式机不同，移动终端计算资源与网络通讯带宽有限，但具备可移动、方便携带等特点，已成为人们获取信息的重要手段。如何结合终端特点为用户提供更为贴心的信息服务，是研究人员需要解决的重要问题。移动终端的地理位置产生实时变化，如何结合移动情境，提高互联网应用的用户体验有十分重要的意义。对移动情境建模，是能提高信息服务质量的一种重要方法，本文主要从移动情境发现与异常情境检测展开研究，主要工作如下：（1）分析了情境化用户偏好建模方法，基于移动互联网特点，提出了一种新的针对移动个性化推荐的情境化用户偏好模型。该模型综合考虑了用户地理位置、用户历史行为信息、用户在各大社交网络（SNS）、微博中的好友行为信息作为情境特征，进行基于情境聚类的协同过滤的推荐。在计算用户偏好情境相似度过程中，提出了一种基于无向图的聚类方法。理论分析表明，本文所提出的聚类算法在一定程度上解决了孤立点问题。实验结果也表明，所提的聚类算法能有效聚类返回结果。基于提出的模型及算法，设计开发了一个针对iPhone/iPad及SymbianOS移动平台的个性化推荐引擎。原型系统开发中，针对当前移动设备屏幕大小、分辨率各异而应用的系统界面难以保持一致现状，提出了一种使用本地应用混合HTML构建客户端程序的方案，能为不同平台的移动终端提供一致的用户体验。实践证明，该系统能够为移动终端用户带来较好的推荐体验。（2）分析了异常情境检测方法，提出了一种新的智能手机物理碰撞检测突发异常情境的方法。方法以反映手机用户物理运动的加速度传感信号为样本输入，引入时间窗口概念，使用基于无监督的机器学习方法计算阀值，通过阀值判断异常情境的发生。基于该检测算法，设计开发了一个异常情境检测原型系统，系统支持iPhone、Android及Symbian OS智能手机终端，可应用于汽车事故自救工作。试验结果表明，该方案有着较好的碰撞识别效果，在手持设备上能耗不大。