随着计算技术、网络通信技术、嵌入式技术的发展,计算模式正在向普适计算模式转变,人们期望能够随时、随地、透明地访问信息空间,享用普适计算环境(信息空间和物理空间融合后的环境)所提供的服务。但日益增加的信息量使得用户不断被庞大的信息海洋淹没;人们在寻求一种将用户感兴趣的信息主动推荐给用户的个性化服务模式。在求解用户偏好时,上下文信息起到非常重要的作用,与其密切相关的上下文感知计算也已经成为一个相对独立的研究领域。其中怎样感知推理出用户的活动行为即活动感知计算也慢慢成为该领域的一个研究热点。本文重点研究了普适计算中的上下文感知计算和个性化服务推荐。通过挖掘用户行为,提出了一种基于用户态活动感知的个性化服务推荐模型。主要内容和研究成果包括以下几点:1.提出了一个基于用户态的活动感知计算子模型。在该模型中,描述当前用户活动行为的复合信息概念用“用户态”来表达。此模型主要分为软件感知模块,服务内容感知模块和用户态推理模块。其中,软件和服务内容感知模块通过用户端底层软传感器收集原始上下文信息。再使用用户端智能体中的集成器对上下文信息进行抽象格式化后与服务器端的智能体进行信息交互。最后通过服务器端智能体中的用户态推理模块分析出代表当前用户综合状态下的特定用户态。本文提出的用户态子模型具有结构清晰,推理快速,判断准确等特点,并在管理和实现上相对独立,具有很好的灵活性和扩展性。2.提出了一个基于内容过滤和项目协同过滤的混合个性化服务推荐子模型。该模型从本体论的角度对服务本身进行描述,并对整个服务项目集合进行以概率模型为基础的服务子类层次结构划分。通过先前的用户训练和使用时的数据统计,来计算出要推荐的服务子类集合,然后再对每个推荐服务子类中特定的项目和用户进行项目协同过滤,从而得到某个用户的推荐项目集合结果。仿真实验结果表明,该子模型具有较高服务推荐的准确率和召回率。3.基于上述两个子模型,设计并实现了一个基于用户态活动感知的个性化服务推荐模型。该模型通过实时感知当前用户的用户态,过滤掉和当前用户态不符的兴趣服务子类,再根据剩余的兴趣子类求出具体的推荐服务项目集合。目标系统的实际运行结果表明,该模型的推荐内容与当前用户态较为一致,且具有较高的推荐服务质量。