不同于常规的桌面计算,作为一种新的计算模式的普适计算把信息处理的过程融入了人们的日常生活中,计算资源“消失”在了日常生活的每个角落;并能以人们希望的任何形式存在,以满足人们在不同时间、不同地点、不同场景下对于信息的特定需求。普适计算从根本上改变了人们与周围的信息体系交互的方式;同时也给人们带来了新的挑战。首先是情景感知问题。作为“以人为本”的计算环境,为了给人们提供适时适地的服务,必须先了解计算环境与交互状态的知识,需要研究情境信息的采集、建模、推理和服务等多个层次的问题。其次网络异构性问题。有线网络与无线网络在很多方面存在着明显差异,怎样挖掘有线网络和无线网络的特点以达到网络融合以向上层应用提供统一的接口,这是普适计算中基本问题之一。最后是服务的无缝集成问题,主要指服务应用怎样支持用户移动以实现用户任务的无缝移动。同时,Internet的迅猛发展将人类带入了信息社会和网络经济时代,人们己经被包围在信息的汪洋大海之中。物理世界中和网络世界中的信息量呈现爆炸式的增长,这使得人们发现在找寻自己感兴趣的内容时显得力不从心。在这种背景下,推荐系统应运而生,它是根据用户的偏好信息主动地给用户提供预测性的推荐信息。注意到,推荐系统其实是一个基于情景感知的智能服务。但是,无论学术界还是工业界,对于推荐系统的关注主要在于研究集中式的推荐算法,重点在于怎样去提高推荐结果的准确率。很少有研究人员关注如何在异构的环境中保持推荐性能的连续性,以及如何把集中式的推荐算法应用到异构的普适环境中等问题。针对于普适计算的这三个基本问题,本文从推荐服务入手,提出了一个异构普适环境中的推荐框架。框架中一个比较核心的模块是异构通信模块,以便移动环境中用户的手持设备能像人们的日常交流一样自然地进行信息交互;用到的技术主要有蓝牙服务发现协议和基于Gossip协议的蓝牙交互机制。其中,基于Gossip协议的蓝牙移动交互机制可以模拟社会化网络中人与人之间交流;它利用一个可扩展性较好的SCAMP协议,并结合蓝牙的邻居集和SCAMP中的部分视野集合,设计出新的信息分发方法。利用这样的异构普适环境中的推荐框架,本文还设计并分析了一个采用协同过滤技术的音乐推荐原型系统。不同于多数的协同过滤推荐系统,该原型音乐系统是基于歌曲和歌手两重推荐。不麻烦用户显式地进行评分,该系统设计了自己的隐式评分提取机制;考虑到了评分叠加的衰减性,还分别设计了针对歌曲和歌手的提取机制。同时,还设计了新的基于Gossip协议的P2P音乐推荐算法,并在移动推荐算法中,尽可能地利用集中式推荐的成果,以便达到异构环境下推荐服务的一致性。