随着网络的普及和发展,网络已经成为人们获取信息的一个重要途径。然而,随着网络信息量的日益增长,“信息超载”目前已经成为迫切需要解决的问题。信息推荐技术是目前倍受关注的一项主动信息服务技术,它从大量信息中自动选择符合用户兴趣的内容推荐给用户,从而满足用户的个性化需求,因而近年来在信息服务领域中获得了较多的研究与应用。然而,目前大部分信息推荐方法都是二维的推荐方法,只涉及到用户和项目(资源)这两个因素,而没有涉及情景因素,如时间、地点等。研究证明,情景会对用户的行为产生较大影响,同一个人在不同的情景下对同一项目可能会有不同的兴趣和需求。因此,传统的二维推荐方法已经不能适应新的推荐环境。如何将传统二维推荐方法扩展为综合多种情景因素的多维推荐方法是目前信息推荐领域的热点和难点。鉴于此,本文以情景感知技术为基础研究多维信息推荐,构建基于情景感知的多维信息推荐模型,并研制多维信息推荐算法。本文正文共分为六个部分：1信息推荐的相关研究本章总结归类了现有的推荐方法,分析各推荐方法的推荐原理与推荐流程,对比分析各推荐方法的优缺点以及使用范围。在此基础上,对信息推荐目前的研究进展进行了总结,指出了现存的问题以及未来的发展趋势,从而引出本文的研究意义与应用价值,为下一步的研究奠定理论基础。2情景感知的相关研究本章对情景感知的相关理论知识进行总结分析。首先介绍情景的含义,并对情景进行分类。然后分析了情景的获取与处理方法。由于本文主要是采用情景感知的方法来获取与处理情景,因此本章对情景感知的概念进行了介绍,并详细地阐述了情景感知系统的系统框架与支持平台,分析了从支持平台中的传感器处获取的原始情景数据经过处理转变成高层情景信息的主要流程,为第3章构建基于情景感知的多维信息推荐模型打下基础。3基于情景感知的多维信息推荐模型本章构建了一个基于情景感知的多维信息推荐模型。首先对多维推荐中的情景框架进行分析,主要是分析多维推荐中的情景,提取用户和项目所涉及的情景要素(如时间、位置、设备、相关行为等),进行多维推荐的情景维度分析、情景维度的建模,以及情景维度的聚合计算分析。然后,基于多维推荐中的情景框架,构建基于情景感知的多维信息推荐系统模型,分析各子模块的功能和系统运行机制。4基于情景感知的多维信息推荐算法本章从输入情景化、输出情景化、推荐函数情景化等多个方面探讨情景对传统信息推荐算法的影响,通过对传统信息推荐算法的改进,研制新的多维信息推荐算法。输入情景化是在推荐之初对多维评分数据进行情景化,将多维评分数据转变为二维评分数据,然后采用传统二维推荐算法进行预测评分的计算。输出情景化是在推荐开始阶段忽略情景信息,直接采用传统二维推荐算法进行预测评分的初步计算,在所得的预测评分的基础上再根据当前情景进行评分调整,得到最终的预测评分。推荐函数情景化是指在信息推荐函数(recommendation function)中直接使用情景信息,把情景信息作为预测用户对某一项目评分的直接变量(因素)。本文研制的多维信息推荐算法包括基于降维的输入情景化推荐算法、基于降维的输入情景化推荐算法与传统推荐算法的混合推荐算法,基于情景相似度的输入情景化推荐算法、基于模型的输出情景化推荐算法、基于用户的多维启发式推荐算法、基于项目的多维启发式推荐算法。5基于情景感知的多维信息推荐实验与评估本章选择电影推荐领域,通过网络调查收集用户的多维评分数据,采用统计软件SPSS及数据库管理软件等工具进行数据处理,实现文中提出的六种基于情景感知的多维信息推荐算法,并对各算法的推荐效果进行评估、分析和比较。通过本章的实验,验证了本文研制的多维信息推荐算法的有效性。6研究的不足及展望本章总结了本研究在数据收集与研究内容上的不足,指出后续将开发或者利用更加智能化的数据收集工具,主动获得用户更多情景下关于项目的偏好信息,得到用户对项目的评价情况,从而解决“冷启动”问题和本文实验中的“情景维度较少”问题。另外,笔者将对本文提出的算法做进一步修改,采用一些矩阵运算的方法或者联合基于内容的推荐方法解决“数据稀疏”问题。最后,笔者将进一步研究基于模型的推荐技术在多维信息推荐中的应用。