随着移动互联网、社交网络、电子商务等相关技术的飞速发展,移动服务及其信息内容急剧增长,这为人们带来了极大地方便,但与此同时也给人们带来了“移动信息过载”问题,这不仅影响用户的使用体验,同时还降低了网络资源利用率。因此,在学术界和业界早已经将这看作是目前的热点问题。因而,探讨如何让推荐系统更具个性化和普适性,让推荐系统拥有更好的推荐结果,使用用户有更完美的使用体验,这在理论和实践中占据重要的意义。本文针对移动服务推荐中的服务内容及服务所关联的场景等,引入上下文情景,对基于用户情景的移动服务推荐算法和模型展开深入的研究,论文的主要研究内容如下:(1)针对移动互联网中移动数据稀疏性问题和准确度有待提高这一现状,提出基于用户行为与情景感知的移动服务推荐算法(MSR-BCA)。该算法首先获取目标用户此时的上下文情景(时间、位置等)信息,在此基础上筛选相似情景下相似用户曾经的行为;其次,利用移动用户的行为(浏览、收藏、购买等)来获取目标用户对某个服务的需求度,以此来弥补用户评分矩阵,进而根据此矩阵计算用户之间的相似度;最后通过计算得出目标用户在此情景下对各种服务的偏好程度以便生成推荐。实验结果表明MSR-BCA算法利用移动用户的行为来计算用户对服务的需求度这一方法有效地缓解了评分数据稀疏性问题,同时结合上下文情景信息有更好的推荐效果。(2)针对目前服务推荐领域尚缺少形式化逻辑研究的不足,提出了基于情景演算的移动服务推荐模型(MSR-SC)。首先,在深入剖析移动服务推荐的基本方法及一般过程的基础上,引入情景演算的逻辑理论体系;将推荐系统中用户环境的获取、数据矩阵的构建与重建、数据的存取与提取、相似度与预测评分的计算以及将服务推荐给用户等诸多行为活动看作是动作域,并将用来描述以上动作的效果看作是流域,同时将移动服务推荐过程中变化的流看作是情景域。进而,将移动服务推荐过程定义为以初始情景为起点,在特定动作域、流域和情景域上的诸多情景按照一定的规则进行动态演化的过程。并在此基础上,依据服务推荐的一般过程,捕获情景及情景变迁规律,从而构建出MSR-SC的行为动作公理。最后,为了验证模型的逻辑有效性,给出了应用MSR-SC的移动服务推荐实例的形式化描述。由描述实例可知,该模型具有逻辑有效性和正确性。(3)在前述算法与模型的研究基础上,构建了移动服务推荐平台,该平台系统中,运用本文的MSR-BCA算法解决了平台工程中的数据稀疏性和准确度问题;运用MSR-SC情景模型弥补了平台工程中的逻辑完备性问题。由工程实践可知,该平台在数据稀疏的情况下具有良好的推荐效果。