移动互联网技术的快速发展以及计算机智能化在各行各业的逐步渗透和普及,极大地改变着传统用户的行为方式,移动用户的行为研究以及个性化推荐已成为各大电商竞争市场份额的关键技术。本文以移动用户的情景敏感性和序列行为相关性为核心,展开对移动用户行为转移模式及个性化推荐的研究,主要完成了以下研究工作。(1)情景约束的数据预处理。具体做了以下两方面的研究:1)移动环境下的用户行为具有时间、位置敏感性,基于此,提出一种基于时间、位置约束的数据预处理算法TP-constrain,以去除噪音,精确样本;2)对于TP-constrain处理后生成的事务数据库,提出一种将其转换成决策表的模式转换方法,这种数据转换处理方法是为下一步使用MPRC算法挖掘行为转移模式做数据准备。实验表明了TP-constrain算法及生成决策表的模式转换方法在用户行为转移模式挖掘的有效性和准确性。(2)情景感知的移动个性化推荐算法(MPRC)。此推荐算法主要分为两个步骤,首先是挖掘基于情景感知的移动用户行为转移模式,其次是对挖掘出的模式进行基于情景相似性的模式排序。主要做的研究工作如下:1)移动用户行为转移模式的挖掘,首先使用Apriori算法挖掘长度为2的频繁模式,然后以“生成决策表”的处理方法对频繁模式进行模式转换,引入多情景属性的研究,再以粗糙集理论对决策表进行基于情景感知的模式挖掘;2)基于情景相似性的个性化推荐排序方法,情景感知的行为转移模式的排序不仅依赖规则支持度和置信度,还需要考虑情景相似性,基于此,提出一种基于情景相似性的个性化推荐排序方法。通过对基于情景感知的移动个性化推荐算法MPRC与基于多维情景影响的推荐算法的实验对比分析,表明MPRC算法在移动环境下具有更高的推荐准确性。