时代在进步,信息也在随之发展,随着信息时代的进一步发展,信息的数据量也在不断扩,大量无用的数据信息资源充斥着人们对生活,一方面给人们带来极大方便,克另一方面,也为查询需要的信息增加了难度。在“大数据”时代的背景下,推动了智能搜索引擎的发展,同时也催生了个性化的推荐系统。推荐系统通过其主动、高效的信息推荐服务完善了互联网的服务体系结构,改善了用户体验,为数字化信息改革提供了新的方向。近年来关于推荐系统的研究主要集中在应用和推荐算法的改进两个层面上。从应用层面上讲,讨论如何将推荐系统应用于各个领域,为人们带来便利是关键。另一方面的研究是从推荐算法的角度,通过对算法的改进和融合提高一个推荐系统的运算速度和推荐的准确度。不论从哪个层面上说,提高用户的满意度才是最根本的。因此,本文的研究主要从用户的角度考虑,关注用户体验,通过对用户情景进行获取和分析建立基于情景感知的用户兴趣模型,并结合适当的推荐算法,将该模型应用于移动数字图书馆书目推荐中,以此来提高读者满意度,提升读者借阅体验。通过查阅大量的文献资料,作者确定了该项研究的可行性,并在众多文献基础和实验基础上展开了如下的研究分析。本文首先研究情景对用户兴趣的影响,并将用户情景进行分类。通过RFID/GPS等技术和情景模型对包括时间、地点等初级用户情境进行获取和识别。其次,本文在引入用户兴趣模型的基础上加入了对用户情景兴趣的感知。用户兴趣是推荐系统的关键,除了用户自己标识的显性兴趣外还有通过用户浏览行为搜集的隐性兴趣和面向任务对象的情景兴趣。基于此,本文提出融合情景感知的用户实时兴趣模型,并利用用户的体验反馈对该模型进行更新,旨在为用户提供更准确的推荐服务。最后,本文将该兴趣模型应用于数字图书馆的书目推荐上,配合适当的推荐算法,得出更准确、合乎读者情景的推荐系统。