移动互联网的发展和智能移动终端的普及带来了移动服务的大规模兴起,并改变了服务平台交互模式,为用户数据信息增添了新的维度,推动了社交化、本地化、移动化的三合一混合概念的发展。移动环境下的服务与真实环境有着更紧密的联系,存在相当数量的服务需要考虑时间和空间因素的影响,而传统服务推荐算法多基于有限的在线信息,对用户需求、偏好特征的挖掘局限在相对较浅的层面,难以满足真实环境下的个性化需求;与此同时,由于人们的生活空间总是存在一定的限制,大部分用户需求与空间属性紧密关联且存在个体性差异,迫切需要在服务推荐的过程中针对用户偏好引入真实环境因素的个性化分析。本文针对移动服务环境下考量真实空间属性的需求,用户偏好个性化、动态变化以及带宽、计算资源有限的特征,提出了面向移动网络环境的动态个性化服务推荐算法。　　 本文首先提出了一种基于位置信息的个性化用户习惯、偏好挖掘算法,通过收集用户与系统交互过程中所产生的位置关联信息,利用定位信号的变化特征挖掘用户在日常生活中的位置变化规律以及位置移动中使用交通工具的习惯,结合服务的位置信息完成基于具体空间信息的服务可达性判断、用户位置变化预测和服务场景感知,最终实现对真实环境下服务空间特性的准确评估。　　 在此基础上,论文提出了一种适应移动环境网络带宽与移动设备性能、续航能力有限的快速返回、逐步求精的个性化服务推荐算法;针对服务信息变化或用户主观引发的用户偏好变化,论文还提出了一种基于探针服务的动态用户偏好跟踪算法。通过在服务推荐结果中插入少量与系统当前用户偏好信息存在少量差异,并符合指定特性的服务,并分析用户的历史选择序列中各服务属性值的数据分布规律,发现潜在或变化的用户偏好,在用户偏好动态变化的情况下自动校准系统中的偏好信息,保证较高的服务推荐准确性。　　 最后,论文给出了面向移动环境的动态个性化服务推荐算法的实验验证。