推荐系统作为一种信息过滤的重要手段,是目前解决信息过载问题的非常有潜力的方法。它通过研究用户的兴趣偏好,进行个性化计算,由系统发现用户的兴趣点,从而引导用户发现自己的信息需求。目前,推荐系统已广泛应用于很多领域。在推荐系统领域,传统的推荐算法往往只考虑用户和项目之间的相似关系,而较少考虑它们所处的情境,比如,时间、位置、季节、天气、周围人员、情绪等等。然而,在许多应用场景下,仅仅靠用户和项目的二元关系并不能生成有效的推荐。在特定情境下,为了将最符合用户兴趣的项目推荐给目标用户,用户和项目所处的情境对于提高推荐系统的推荐性能也是非常重要的。因此,准确了解用户和项目所处的情境信息,并将相关情境信息应用于推荐算法中是设计好的推荐系统的关键步骤。情境感知推荐系统通过将情境信息融入到推荐过程中,可以提供更为准确的评分预测以及更为相关的推荐。情境感知推荐系统现已逐渐成为推荐系统研究领域十分活跃的分支之一。本文主要是对情境感知推荐系统领域中的情境感知推荐算法进行研究。我们首先研究了现有的两类基于矩阵分解的情境感知推荐算法,并对其优缺点进行总结分析；接着,针对现有的基于矩阵分解的情境感知推荐算法的缺陷,本文提出了两种改进的基于矩阵分解的情境感知推荐算法；最后,在电影评分数据集上我们对本文提出的两种改进算法和现有的两类算法进行了实验对比分析。实验结果表明,在预测性能上,本文提出的两种改进算法要优于现有的两类算法。