互联网以及移动互联网的快速发展造就了大数据和共享经济时代,上下班高峰期、偏远地区打车难等问题使得打车软件应运而生。为了保证用户对打车软件使用的忠诚度,向用户提供高质量的个性化优质服务成为了关键手段。推荐系统则是提供个性化服务的技术,因此,对网络约车推荐算法的研究以提供准确、高效的推荐变得很有意义。本文通过收集打车软件发展的资料,对现状进行分析,确立了“设计满足乘客喜好的个性化司机推荐算法”的目标。首先,通过对国内外推荐算法的研究综述,发现学者在各个领域都有大量的推荐算法的研究成果,但目前尚未发现在网络约车领域有对推荐系统的应用研究,表明本文算法具有研究价值;阐述推荐系统、聚类、上下文感知等算法研究相关的理论知识,确定模型使用的算法及评价指标。其次,建立网络约车推荐模型,模型建立过程分为三部分:一是建立协同过滤推荐模型,根据乘客-司机的历史评分数据,采用传统的基于项目的协同过滤算法对目标用户进行推荐;二是建立基于聚类的速度改进模型,引入模糊聚类算法,根据乘客属性信息和司机属性信息分别对乘客及司机进行聚类,再采用协同过滤推荐算法进行推荐,以期提高推荐速度;三是建立基于上下文感知的精度改进模型,通过贝叶斯方法将上下文感知的概念融入推荐算法中,在上下文信息、乘客评分信息、乘客属性信息及司机属性信息组合建模后进行上下文感知推荐,以期提高推荐精度;最后,选取实验平台,获取相关实验数据,并根据实验要求对数据进行预处理,在获取的数据集上分别对本文建立的三个模型进行验证,比较推荐的速度及准确率。通过实验验证,得出结论:本文提出的基于聚类与上下文感知的推荐算法对网络约车推荐的速度与精度有所提高,算法能够满足网络约车推荐需求。