移动环境下的个性化推荐已经成为研究的热点方向之一。用户兴趣建模是个性化推荐的基础与核心,但目前研究移动环境下用户兴趣建模的还较少。基于此,本研究取得的成果如下:(1)将情景信息引入用户兴趣模型,提出了结合情景的用户兴趣U-I-C模型。以用户-项目矩阵为基础,将情景作为一个新的维度添加到矩阵中,记录用户在不同情景下对项目的兴趣度,从而构建结合情景的用户兴趣U-I-C模型。将情景与用户对项目的兴趣度相结合,并将影响用户使用移动数据业务的情景分成时间、位置、终端、渠道四类,这在之前的研究中还未见到。本成果为移动环境下的用户模型构建提供了理论框架。(2)提出了浏览类业务及下载类业务用户兴趣度的计算方法、情景相似度的算法以及基于内容和情景相结合的推荐机制。1)用特征词及其权重组成的向量空间模型表示用户浏览的页面文档,特征词权重的计算以TF-IDF为基础,结合用户浏览的页面内容、用户的浏览行为、用户使用的移动终端屏幕显示的字数,计算用户对浏览页面的兴趣度;利用用户下载不同类别业务的数量占下载总数的比例及用户对于业务的设置信息,计算用户对下载类业务的兴趣度。2)通过用户当前情景与历史情景的匹配,计算当前情景占历史情景的比例,给出当前情景与历史情景的相似度。3)在向用户推荐项目时,先计算情景相似度,得到与当前情景类似的历史情景,然后将在这些历史情境中用户兴趣度排名靠前的相似项目推荐给用户。相比于之前的研究,本文对特征词权重的计算方法进行了改进,并提出了新的下载类业务用户兴趣度的计算方法、情景相似度算法和新的推荐机制。该成果能有效地在移动环境下发现用户兴趣。(3)利用某地市运营商彩铃用户的真实使用记录进行数据实验。利用某地市运营商200名彩铃用户在2008年6月-8月的彩铃下载数据,对本文提出的用户兴趣模型、用户兴趣度及情景相似度的计算、推荐机制等进行数据实验。实验结果表明,本文提出的用户兴趣模型能有效地体现用户在不同情景下的兴趣偏好,而且用户对于情景也是有偏好的,验证了将情景引入用户兴趣模型是完全可行的。