基于情境感知的資源推薦研究綜述與實踐進展

楊金慶 程秀峰 周瑋珽

摘 要：[目的/意義]情境感知推薦是推薦系統發展過程中的重要階段，其核心思想是將情境信息融入資源推薦的過程中，以此提高資源推薦系統的準確性。作為資源推薦的重要技術，情境感知推薦吸引了各領域的廣泛關注，逐漸成為資源推薦研究的重要組成部分。[方法/過程]本文以篩選于WOS、CNKI等數據庫的文獻集為研究對象，通過歸納總結的方法，首先系統梳理、總結了情境感知推薦的主要方法—情境前過濾推薦方法、情境后過濾推薦方法以及情境建模方法，然后從情境數據采集和情境感知應用兩個方面總結分析情境感知推薦實踐進展，最后總結情境及情境感知技術對資源推薦研究的理論價值與實踐的現實意義。[結果/結論]未來研究將綜合3種主流情境感知資源推薦方法，以混合形式融合情境要素，構建多維、復雜的情境推薦模型，進一步提升精細化、個性化信息資源服務體驗。

關鍵詞：情境感知;資源推薦;情境感知推薦

DOI：10.3969/j.issn.1008-0821.2020.02.017

〔中圖分類號〕G250.73 〔文獻標識碼〕A 〔文章編號〕1008-0821（2020）02-0153-07

Research Review and Progress on Practice of the Resource

Recommendation Research Based on Context-awareness

Yang Jinqing1 Cheng Xiufeng2 Zhou Weiting3

（1.School of Information Management，Wuhan University，Wuhan 430072，China;

2.School of Information Management，Central China Normal University，Wuhan 430079，China）

Abstract：[Purpose/Significance]Context-aware recommendation is an important stage in the development of the recommendation system.Its core is to integrate context information into the process of resource recommendation，in order to improve the accuracy of the resource recommendation system.As an important technic for resource recommendation，context-aware recommendation has attracted extensive attention in various fields and has gradually become an indispensable part of resource recommendation research.[Method/Process]This paper took the literature collections selected from WOS，CNKI and other databases as the research object.Firstly，it combed and summarized the main methods of context-aware recommendation systematically-pre-spatial filtering recommendation method，post-context filtering recommendation method and context modeling.Then this paper summarized and analyzed the progress of the context-aware recommendation in practice from two aspects：context data collection and context awareness application.Finally，it summarized the theoretical value and practical significance of context-awareness and context-awareness research on resource recommendation research.[Result/Conclusion]Future research would integrate three mainstream methods of the context-aware resource recommendation，integrate contextual elements in a mixed form and build a multidimensional and complex context-aware recommendation model，finally further enhance the information resource service experience in a refined and personalized way.

Key words：context-awareness;resource recommendation;context-aware recommendation

移動智能和物聯網時代的開啟，促使網絡信息資源迅速增長，同時承載用戶行為信息的傳感器數據規模也在不斷攀升。信息資源過載（Information Overload）現象愈發嚴峻，用戶急需有效工具來快速、準確地獲取所需信息資源。推薦系統通過分析和預測用戶需求幫助用戶實現信息過濾，因此逐漸成為解決信息過載問題的重要手段之一。自1994年明尼蘇達大學研發基于用戶的協同過濾資源推薦算法以來，推薦系統的研究已經歷幾十年的發展[1]。Adomavicius G等基于資源元數據與用戶行為數據構建資源推薦的效用函數：u（c，s）=score（ContentBaseProfile（c）），Content（s））[2]，式中可以看出通常的資源推薦系統僅包含“用戶—資源”二維關系。面對越來越精細化的用戶需求，只依賴二維“用戶—資源”關系難以進一步提升資源推薦系統的準確性。

用戶偏好會隨著場景的轉換而波動，處于不同情境下的同一用戶，對相同資源的需求程度不同。情境感知技術能夠實時獲取當前情境信息，進而刻畫用戶所處狀態和行為規律，精準地描述用戶需求。因此，融合情境因素的資源推薦系統逐漸成為資源推薦研究中重要的研究方向，形成三維“用戶—情境—資源”關系的研究范式。目前，融入情境信息的方式可分為3類[2]：1）情境前過濾：基于特定情境進行數據的選擇和過濾，在確定推薦資源過程中，偏好預測方法可以采用任何傳統的推薦模型，也稱“前置情境過濾”或“情境預過濾”。2）情境后過濾：先是忽略情境信息，利用傳統的推薦方法產生推薦結果，然后篩選符合用戶情境的推薦結果，也稱為“后置情境過濾”。3）情境建模：該方法直接融合情境信息構建偏好預測模型。

針對以上分析，本文以WOS、CNKI等數據庫為文獻來源，以“情境感知”、“Context Aware”和“推薦系統”、“Recommender System”為檢索詞，試圖從情境感知理論、融入情境信息方法和情境感知推薦系統實踐進展3個方面挖掘與總結現有研究理論、研究方法、研究實踐，并分析總結情境感知推薦現有研究范式，以期對未來的研究提供初步思路與參考。

1 情境感知相關理論研究

1.1 情境定義

研究者們從不同的角度給出了多種情境定義。Pascoe J認為情境是某一特定實體物理和概念狀態的集合[3]。Dey A K認為情境是用來描述實體狀況的任何形式的信息，其中實體可以是人、地點以及與用戶和應用程序之間交互相關的對象[4]。Li X等將情境定義為能夠描述環境（靜態或動態）變化并有助于理解當前狀況和預測潛在變化的任何形式的信息[5]。

從客觀實體角度，情境是地理位置以及人和物所處狀態描述[6]。從系統應用角度，情境是指地點、用戶實體、時間、溫度等信息集合[7]。從信息屬性角度，情境是指能夠被用來描述實體狀態的所有信息，實體包括人物、地點或者物體[8]。從以往定義中可以看出，情境的定義主要根據研究角度的不同對情境信息種類進行枚舉，使得情境概念缺乏標準化和普適性。筆者認為，任何能夠描述環境及所含實體的狀態變化的信息都稱為情境信息。情境信息的多維性與可描述性能夠理解當前環境狀態，預測潛在變化，有助于精準表達用戶需求。

1.2 情境分類

情境信息存在不同類別，同種類情境數據具有連續性。清晰、準確的情境分類有助于對情境信息的識別與利用，同時也是情境建模不可或缺的重要內容。對情境進行分類有助于機器理解、感知用戶所處狀態，檢測何人（Who）、何時（When）、何地（Where）干了何事（What），并通過這些情境信息解讀為何（Why）發生狀態的轉變，這就是早期情境的分類，簡稱為“5W”[9]。Zimmermann A等將情境分為地點、環境、實體和時間[10]。Abowd G D等認為“環境”一詞和情境存在同義，不易于用戶理解，邊界性較差，擬采用“行動”來傳達用戶意圖[11]。

為加強不同情境的區分度，提高不同情境的個性化，研究者們將情境分為地點、實體、時間和行為，四者是描述特定實體狀態的重要情境類型。地點、實體、時間和行為4種情境類型不僅映射“5W”情境分類，而且可以作為一個標準應用于其他情境信息。從情境定義可知，情境信息具有多樣性、復雜性及可描述性。地點、實體、時間和行為4種類型僅僅從事件的客觀構成方面進行歸類，而面對不同的情境和不同的任務，應依據任務目標，結合具體需求，在4類情境信息的基礎上構建多層次的情境分類體系。筆者根據情境數據的來源是否為傳感器，將其分為物理情境和虛擬情境，也稱物理情境和語義情境。物理情境是從傳感器中獲取的情境數據。一般而言，一種傳感器可以感知一種特定的現象并檢測其相關變化。虛擬情境不是直接通過傳感器等硬件設備感知的情境數據，而是以軟件為媒介獲取的用戶行為痕跡數據（例如評分、訪問次數等），以及通過制定的推理規則從物理情境（低層情境）中推理的高層情境。結合以上分析，情境分類體系框架總結如圖1所示。

1.3 情境感知

自1992年Want R通過改進胸牌采集員工在公司中的地理位置開始，情境感知的相關研究逐漸引起學者們的關注[12]。情境感知是以情境概念為基礎發展而來的，情境是情境感知重要的數據源。Schilit B等于1994年最早提出了情境感知（Context Awareness）的概念[13]，并認為情境感知主要依靠傳感器收集用戶所處環境的時間、地點、活動等相關信息，以便于設備理解用戶的行為動機和目的等。Salber D等將情境感知定義為能夠實時感知情境信息，提供靈活計算服務的功能[14]。Ryan N認為情境感知是檢測來自傳感器的情境數據，并允許用戶根據自身興趣和活動的需求計算物理和邏輯情境[15]。Brown P J將情境感知定義為能夠根據傳感器探測的當前情境，自動地提供有效信息和采取相應行動的感知技術[16]。Abowd G D等將情境感知定義為能夠依據用戶任務需求，利用情境信息給用戶提供相關信息和服務的感知技術[17]。Dey A K在此基礎上，認為情境感知（Context Awareness）通過傳感器（Sensors）及其相關技術使計算設備能夠感知到當前的情境并調整自身狀態[18]。

情境感知本質上是一種獲取、處理、分析情境數據以及情境信息的技術方法，又稱為情境感知技術。情境感知技術不僅包含情境計算，還包括情境信息。其中，情境被視為可被感知并用于描述實體所處狀態的數據源，或被抽象為用來表征與人際互動行為相關的實體以及實體本身狀況的信息資源。情境不僅刻畫了現實環境的客觀現象，也對特定實體所處情況進行表征[19]。因此，情境感知技術可以使得設備具有感知所處開放式環境中相關信息的能力，并且能分類、處理自身和交互產生的情境信息。情境感知的特點在于能夠根據傳感器等設備獲取的用戶狀態、地點等情境信息，實時地反映用戶需求及其偏好變化。

2 情境感知資源推薦方法

用戶行為與決策受情境因素影響，Bettman J R等[20]和Mallat N等[21]先后論證了情境信息融入推薦模型的重要性及可行性，為推薦模型融入情境信息提供理論支撐。莊貴軍等在購物場景下利用Logistic回歸模型分析發現一些情境因素對用戶購買意愿有明顯影響[22]。Baltrunas L[23]證實相同條件下，相比非情境推薦，情境感知推薦能夠提供更為有效和滿意的推薦結果。由此，不難發現融入情境信息的推薦模型是推薦系統發展的必然階段。

綜合以上分析，本文將從“用戶—情境—資源”三元關系視角剖析當前融入情境因素的資源推薦研究范式。Adomavicius G等[24]認為融入情境信息的推薦方法可以分為三大類：1）情境前過濾：基于特定情境篩選需求相關的數據，即提前清洗、過濾輸入推薦模型的數據，并不涉及推薦模型本身的改造，評分方法仍可采用任何傳統的推薦模型。2）情境后過濾：先是忽略情境信息，利用傳統的推薦方法產生推薦結果，然后選取符合用戶情境的推薦結果。3）情境建模：該方法結合情境信息特點，融入重要性情境信息構建情境推薦模型。情境前過濾和情境后過濾都是從用戶所處情境狀況的相似性匹配角度出發，合理過濾輸入數據和輸出結果。

2.1 情境前過濾

情境前過濾方法是將情境信息視為行為數據的屬性，以情境信息驅動數據的方式過濾與當前情境無關的數據。該種融入方式只是將情境信息作為數據預處理的條件變量，并未涉及資源推薦模型。陳氫等依據當前情境過濾歷史情境數據，提升傳統協同過濾推薦過程中用戶相似度計算的準確度[25]，在此過程中情境前過濾為在同一情境下計算用戶相似度提供了條件。劉紅等通過分析高校圖書館用戶的信息檢索、瀏覽記錄等歷史數據，結合歷史情境和當前情境進行情境信息整合，得出用戶所處的綜合情境，構建高校數字圖書館個性化信息推薦模型[26]。田雪筠從用戶偏好的連續性角度出發，通過計算用戶當前情境與歷史情境的相似度篩選用戶歷史偏好行為數據，綜合預測用戶偏好程度[27]。翟麗麗等結合移動電子商務情境數據特點，利用改進的K-means算法聚類情境信息，篩選相似情境的用戶行為數據，提升用戶相似度計算的準確度，提升用戶滿意度[28]。劉海鷗等利用蟻群層次聚類方法對情境相似的用戶進行聚類，發現目標用戶的若干最近鄰類簇，在此基礎上構建面向圖書館大數據知識服務的多情境興趣推薦模型[29]。房小可等通過計算情境相似性構建情境網絡得出情境關聯關系，發掘相似興趣的用戶[30]。

綜上，情境前過濾方法多結合當前情境解決協同過濾推薦過程中的發掘相似用戶的問題，通過當前情境與歷史情境數據的匹配，過濾掉無關數據，提高用戶相似度計算的準確率。情境前過濾可分為兩種：

1）直接前過濾：直接過濾的情境前過濾方法是指直接過濾與當前情境無關或相關度過低的數據，剩余數據則是符合用戶所處的當前情境。例如，如用戶希望在周末看書，則工作日的用戶行為數據將被直接過濾，僅以周末的用戶行為數據作為推薦數據集。

2）間接前過濾：間接過濾方法是指計算當前情境與用戶歷史情境的情境相似度，然后通過聚類等過濾方法去除離群無關用戶，進而提升推薦的準確度。情境前過濾推薦流程總結如圖2。

2.2 情境后過濾

情境后過濾方法是先忽略情境信息，然后利用去情境化的數據構建用戶—資源評分矩陣，采用傳統二維推薦方法預測評分，最后通過情境信息優化推薦結果。

殷聰等提出基于TF-IDF的情境后過濾推薦算法，結合情境關聯概率和情境普遍重要性構建情境偏好預測模型，然后調整傳統推薦初始預測評分[31]。曾子明等在構建基于情境感知的移動閱讀個性化信息推薦模型的過程中，結合協同過濾思想在特定情境屬性下，計算讀者間的相似度，以特定情境屬性過濾相似度較低的度者，獲取Top-N讀者[32]。譚學清等運用信息增益理論獲取各情境信息權重，在當前重要情境下對目標資源預測評分[33]，為處于特定情境下的用戶提供個性化推薦。

結合以往研究，情境后過濾先忽略情境信息，按照傳統推薦模型計算用戶對資源的偏好程度，然后通過分析當前情境數據，構建當前情境下用戶偏好模型，調整初始偏好程度預測，也可依據情境屬性的可選擇性對推薦結果進行篩選。因此，情境后過濾方法可分為兩種：

1）直接后過濾：直接后過濾的方法是結合當前情境屬性值從候選推薦資源集合中直接過濾掉與當前情境無關或關聯度過低的資源，剩余資源則為情境后過濾推薦結果，即生成TOP-N推薦結果。

2）偏好預測調整：相較于直接后過濾方法，偏好預測調整較為復雜，是將用戶在當前情境下對資源的偏好程度與傳統推薦模型計算的初始預測偏好加權調整，生成TOP-N推薦結果。具體流程如圖3所示。

2.3 情境建模

情境前過濾和后過濾方法雖都能提升資源推薦的性能，但是兩者仍有差別。Panniello U等實驗比較了情境前過濾和后過濾推薦資源的準確度，實驗結果顯示，情境后過濾優于前過濾推薦方法[34]。此外，情境前/后過濾推薦方法僅僅利用部分情境信息表示用戶需求及偏好，易造成信息損耗。因此，此種以用戶當前情境與歷史情境相似度來表示用戶需求或偏好的方法難以準確地刻畫用戶偏好或需求。

情境建模是實現情境感知應用的核心內容，單一情境信息難以描述用戶所處狀態以及用戶任務需求，只有融合多種情境信息才能準確揭示用戶行為特征及任務需求。Henricksen K等將情境建模定義為能夠區分不同情境信息，并能依據任務需求加以利用所獲情境信息[35]。情境建模是在情境數據特征的基礎之上，首先對情境進行分類，以便情境表達，然后根據分類結果并結合情境數據項確定情境分類的情境屬性，最后通過情境屬性間的關系，構建情境模型。

情境模型是將用戶的情境信息融入于用戶偏好或需求挖掘模型，以其自身具有的多維度、精細化特點來幫助模型準確地刻畫用戶偏好。Anand S S等提出了一種推薦過程融入情境的方法，并且通過人類記憶模型來對用戶偏好進行建模[36]。洪亮等通過基于散列算法的共同興趣挖掘方法，融入情境信息挖掘用戶群體間的共同興趣，推薦模型聯合、關聯、協同共同興趣，以實現高質量信息推薦[37]。李浩君等構建活動理論視角下移動設備情境感知信息推薦服務系統框架，提出了基于情境本體建模與規則推理的信息推薦方法，將自定義規則與情境語義信息進行匹配計算，實現個性化信息推薦[38]。劉海鷗等融入情境信息擴展“用戶—資源”評分矩陣形成“用戶—項目—情境”評分矩陣，實現融合情境興趣的圖書館個性化推薦[39]。綜合以上研究，情境建模的具體流程總結如圖4所示：

3 情境感知推薦實踐進展

3.1 情境數據采集方面

情境感知推薦將情境信息作為資源推薦的重要要素，其首要任務是獲取情境數據。由于情境信息具有動態性，移動環境下的智能設備便成為理想的情境數據采集媒介。移動環境下情境數據采集主要經歷兩個重要階段：1）本地情境存儲，缺乏交互階段;2）遠程實時上傳、可視化交互階段。

CORTEX[40]記錄、推理、融合情境數據，采用“事件—條件—行為”規則推理出高層情境信息。ContextPhone[41]將用戶本身視為情境元素之一，提升情境數據的可理解性和可控性。Momento[42]和MyExperience[43]解決隨機同步上傳數據和遠程控制功能，實現情境數據的實時獲取。EmotionSense[44]能夠感知個人情感、描述行為活動以及朋友間近距離互動，支持在線、離線以及多學科可擴展情境數據的交流。AWARE[45]具有采集、抽象處理各種傳感器數據生成高層情境信息功能，實現情境數據可視化、遠程實時上傳情境數據。

3.2 情境感知推薦應用方面

結合以上情境感知推薦方法的總結分析，本部分將相應地從圖書館、電子商務、商業旅游3個主要應用方面分析情境感知推薦實踐進展。

1）圖書館資源推薦領域

圖書館作為知識的寶庫，知識可信度較高，是用戶知識獲得的主要途徑之一。針對用戶需求進行知識推薦時，將情境感知技術引入到圖書館知識推薦系統是非常必要的，有助于為用戶提供既符合當前情境又滿足用戶需求的知識資源，從而增強知識推薦的準確性。情境感知技術應用于感知學習者的學習環境以及知識需求，以便在恰當的時間和地點協助用戶學習知識，提高學習效率。李靜云利用情境感知技術設計、構建了移動圖書館知識推薦系統框架[46]。周玲元等提出通過情境感知技術構建“智慧圖書館”服務平臺，實現圖書館實體與線上完美融合的個性化服務[47]。

2）電子商務推薦領域

精準營銷的首要條件就是理解用戶的需求和購買愿望，情境感知技術可以獲取用戶行為信息、感知用戶需求并刻畫用戶購買愿望。郭順利等結合移動O2O用戶特點，考慮情境感知因素，從用戶情境、社會情境、技術情境、商家情境、環境情境5個維度構建O2O用戶需求模型，探索五大情境對O2O用戶信息需求的影響[48]。翟麗麗等結合了移動電子商務情境特點，將聚類方法與協同過濾方法進行結合，優化聚類過程中初始點選擇問題并進行商品資源推薦[49]。

3）商業旅游推薦領域

在商業旅游領域，情境感知技術通過感知旅游情境信息和用戶情境來提升用戶的旅游體驗。旅游情境是一種將物質性和精神性相融合的特殊情境信息。旅游情境不僅將抽象精神具象化、通俗化、故事化，而且可以突出旅游情境主題，凸顯地方特色。屈冊采用定性與定量分析，結合結構方程研究方法，分析旅游景點的歷史情境、休閑情境和新奇情境，發現3種情境從不同方面對用戶旅游體驗產生影響[50]，從側面體現情境感知對提升用戶旅游體驗具有重要作用，但是并未探討如何將情境感知技術應用于旅游行業。

4 總 結

本文從情境感知推薦理論與實踐兩方面展開，基于情境感知的資源推薦研究綜述和實踐進展分析，使得理論方法與實踐應用相互印證。從本文的綜述和實踐總結中可以發現，基于情境感知的資源推薦研究不僅在理論層面不斷突破，而且廣泛應用于各領域資源推薦的實踐中，進而提升各領域資源推薦服務體驗。

首先，從情境感知研究出發，本文對情境定義、情境分類、情境感知等概念進行述評，探討情境感知理論研究的重要進展，全面闡述了情境感知理論的基本概念，有助于加強研究人員對情境感知推薦研究思路的理解。

然后，根據情境信息作用于資源推薦的方式，本文將情境感知推薦方法分為情境前過濾、情境后過濾和情境建模3種，并依據此分類對情境感知推薦方法進行分類綜述。情境前過濾是將情境信息視為行為數據的屬性，以情境信息驅動數據的方式過濾與當前情境無關的數據。情境前過濾本質是以當前情境屬性值過濾歷史情境數據作為推薦模型的輸入數據。情境后過濾是忽略情境屬性的作用，以“用戶—資源”二維數據構建評分矩陣預測評分，最后通過情境信息調整推薦結果排序，其本質是通過匹配當前情境與推薦結果內含潛在歷史情境信息以過濾情境不相關結果。情境建模是將情境信息作為用戶行為內在的特征屬性信息融入推薦模型的構建過程，從而準確表達用戶偏好或需求。

最后，本文結合以往情境數據采集應用的理論設計，總結發現：情境數據采集工具的研發主要經歷了兩個重要階段：1）本地情境存儲，缺乏交互階段;2）遠程實時上傳、可視化交互階段。從實踐印證理論的角度出發，本文從圖書館、電子商務、商業旅游3個方面分析了情境感知推薦實踐進展。未來，情境感知推薦實踐將結合行業特點，實時感知行業數據，記錄用戶行為數據，為智能資源推薦提供技術支撐，進一步提升精細化、個性化信息資源服務體驗。

參考文獻

[1]Resnick P，Iacovou N，Suchak M，et al.GroupLens：An Open Architecture for Collaborative Filtering of Netnews[C]//ACM Conference on Computer Supported Cooperative Work，1994：175-186.

[2]Adomavicius G，Tuzhilin A.Toward the Next Generation of Recommender Systems：A Survey of the State-of-the-art and Possible Extensions[J].IEEE Transactions on Knowledge and Data Engineering，2005，17（6）：734-749.

[3]Pascoe J.Adding Generic Contextual Capabilities to Wearable Computers[C]// The 2nd International Symposium on Wearable Computers，1998：92-99.

[4]Dey A K.Understanding and Using Context[J].Personal and Ubiquitous Computing，2001，5（1）：4-7.

[5]Li X，Eckert M，Martinez J F，et al.Context Aware Middleware Architectures：Survey and Challenges[J].Sensors，2015，15（8）：20570-20607.

[6]Schilit W N.System Architecture for Context-aware Mobile Computing[D].New York：Columbia University，1995：363-373.

[7]Brown P J，Bovey J D，Chen X.Context-aware Applications：from the Laboratory to the Marketplace[J].IEEE Personal Communications，1997，4（5）：58-64.

[8]Abowd G D，Dey A K，Brown P J，et al.Towards a Better Understanding of Context and Context-Awareness[J].1999，1707（1）304-307.

[9]Schilit B，Adams N，Want R.Context-Aware Computing Applications[C]//The Workshop on Mobile Computing Systems & Applications，1994：85-90.

[10]Zimmermann A，Lorenz A，Oppermann R.An Operational Definition of Context[M].Modeling and Using Context.Springer Berlin Heidelberg，2007：558-571.

[11]Abowd G D，Dey A K，Brown P J，et al.Towards a Better Understanding of Context and Context-Awareness[M].Handheld and Ubiquitous Computing，1999.

[12]Want R.The Active Badge Location System[J].Acm Transactions on Information Systems，1992，10（1）：91-102.

[13]Schilit B，Adams N，Want R.Context-Aware Computing Applications[C]//The Workshop on Mobile Computing Systems & Applications，1994：85-90.

[14]Salber D，Dey A K，Abowd G D.Ubiquitous Computing：Defining an HCI Research Agenda for an Emerging Interaction Paradigm[R].Georgia：Institute of Technology，1998.

[15]Ryan N.Mobile Computing in a Fieldwork Environment：Metadata Elements[R].Canterbury，Kent，UK：University of Kent，1997.

[16]Brown P J.Triggering Information By Context[J].Personal Technologies，1998，2（1）：18-27.

[17]Abowd G D，Dey A K，Brown P J，et al.Towards a Better Understanding of Context and Context-Awareness[M].Handheld and Ubiquitous Computing.Springer Berlin Heidelberg，1999.

[18]Dey A K.Understanding and Using Context[J].Personal and Ubiquitous Computing，2001，5 （1）：4-7.

[19]李靜云.基于用戶情境感知的移動圖書館知識推薦系統設計[J].圖書館理論與實踐，2013，（6）：19-21.

[20]Bettman J R，Luce M F，Payne J W.Constructive Consumer Choice Processes[J].Journal of Consumer Research，1998，25（3）：187-217.

[21]Mallat N，Rossi M，Tuunainen V K，et al.The Impact of Use Context on Mobile Services Acceptance：The Case of Mobile Ticketing[J].Information and Management，2009，46（3）：190-195.

[22]莊貴軍，周南，李福安.情境因素對于顧客購買決策的影響（一個初步的研究 ）[J].數理統計與管理，2004，23（4）：7-13.

[23]Baltrunas L.Context Relevance Assessment and Exploitation in Mobile Recommender Systems[J].Personal & Ubiquitous Computing，2012，16（5）：507-526.

[24]Adomavicius G，Tuzhilin A.Toward the Next Generation of Recommender Systems：A Survey of the State-of-the-art and Possible Extensions[J].IEEE Transactions on Knowledge and Data Engineering，2005，17（6）：734-749.

[25]陳氫，馮進杰.多維情境融合的移動情境感知服務系統構建研究[J].情報理論與實踐，2018，41（8）：119-123，164.

[26]劉紅.基于情境感知的高校數字圖書館個性化信息推薦服務研究[J].圖書館學刊，2016，38（8）：105-108.

[27]田雪筠.基于情境感知的移動電子資源推薦技術研究[J].情報理論與實踐，2015，38（5）：86-89.

[28]翟麗麗，邢海龍，張樹臣.基于情境聚類優化的移動電子商務協同過濾推薦研究[J].情報理論與實踐，2016，39（8）：106-110.

[29]劉海鷗，孫晶晶，蘇妍嫄，等.面向圖書館大數據知識服務的多情境興趣推薦方法[J].現代情報，2018，38（6）：64-69，158.

[30]房小可，嚴承希.融合情境關系的社會化媒體用戶興趣推薦[J].圖書情報工作，2017，61（21）：99-105.

[31]殷聰，張李義.基于TF-IDF的情境后過濾推薦算法研究——以餐飲業O2O為例[J].數據分析與知識發現，2018，2（11）：28-36.

[32]曾子明，陳貝貝.移動環境下基于情境感知的個性化閱讀推薦研究[J].情報理論與實踐，2015，38（12）：31-36.

[33]譚學清，何珊.用戶情境下基于信息增益和項目的協同過濾推薦技術研究[J].情報雜志，2014，（7）：165-170.

[34]Panniello U，Tuzhilin A，Gorgoglione M，et al.Experimental Comparison of Pre-vs.post-filtering Approaches in Context-aware Recommender Systems[C]//Proceedings of the ACM Conference on Recommender Systems，2009：265-268.

[35]Henricksen K，Indulska J.Developing Context-aware Pervasive Computing Applications：Models and Approach[J].Pervasive & Mobile Computing，2006，2（1）：37-64.

[36]Anand S S，Mobasher B.Contextual Recommendation[C]//The Workshop on from Web To Social Web：Discovering & Deploying User & Content Profiles.Springer-Verlag，2006：142-160.

[37]洪亮，冉從敬，吳志強.移動環境下基于共同興趣的情境感知信息推薦研究[J].情報理論與實踐，2014，37（11）：124-128.

[38]李浩君，張芳.活動理論視角下移動設備情境感知信息推薦服務研究——基于情境本體建模與規則推理[J].情報雜志，2018，37（3）：187-192.

[39]劉海鷗，姚蘇梅，黃文娜，等.基于用戶畫像的圖書館大數據知識服務情境化推薦[J].圖書館學研究，2018，4（24）：57-63，32.

[40]Barron P，Biegel G，Cahill V，et al.Preliminary Definition of CORTEX Programming Model[J].Psychobiology，2003，28（2）：229-237.

[41]Raento M，Oulasvirta A，Petit R，et al.ContextPhone：A Prototyping Platform for Context-Aware Mobile Applications[J].IEEE Pervasive Computing，2005，4（2）：51-59.

[42]Carter S，Mankoff J，Heer J.Momento：Support for Situated Ubicompexperimentation[J].Proc Chi，2007：125-134.

[43]Froehlich，Jon，Chen，et al.MyExperience：A System for in Situ Tracing and Capturing of User Feedback on Mobile Phones[J].Mobisys，2007：57-70.

[44]Rachuri K，Musolesi M，Mascolo C，et al.EmotionSense：A Mobile Phones Based Adaptive Platform for Experimental Social Psychology Research[C]//UBICOMP 2010：Ubiquitous Computing，International Conference，UBICOMP 2010，Copenhagen，Denmark，September 26-29，2010，Proceedings，2010：281-290.

[45]Ferreira D，Kostakos V，Dey A K.AWARE：Mobile Context Instrumentation Framework[J].Frontiers in Ict，2015，2（6）：6.

[46]李靜云.基于用戶情境感知的移動圖書館知識推薦系統設計[J].圖書館理論與實踐，2013，（6）：19-21.

[47]周玲元，閆思琪，朱翔宇.“智慧圖書館”情境感知服務模式及評價研究[J].圖書館學研究，2017，（21）：25-32.

[48]郭順利，張向先.基于情境感知的移動O2O用戶信息需求影響因素研究[J].情報科學，2016，34（8）：122-127.

[49]翟麗麗，邢海龍，張樹臣.基于情境聚類優化的移動電子商務協同過濾推薦研究[J].情報理論與實踐，2016，（8）：106-110.

[50]屈冊.旅游情境感知及其對旅游體驗質量的影響研究[D].大連：東北財經大學，2013.

（責任編輯：陳 媛）