● 摘要
近几年互联网技术正处于爆炸式发展的时期，随着其发展以及智能机的推广普及，移动互联网技术正在全球范围内快速发展。这一点，从几家主流互联网公司近期发布的财报中亦明显可见，移动互联网的搜索份额已超过PC端的搜索份额！移动搜索强势来袭，势不可挡。有调查显示，当前平均每个用户有2.5台移动终端设备。在这种情况下，传统的搜索方式已不能满足用户的需求。所以个性化推荐应运而生。近几年，随着个性化推荐技术应用越来越广泛：电商领域、搜索广告领域，甚至近几年应用在众多移动应用程序中，但是随着个性化推荐算法的普及，传统的推荐算法已经难以满足移动时代的特殊要求。本文分析了常见推荐算法的优缺点，然后提出MapReduce 化的协同过滤推荐方法，来解决移动环境下的个性化情景推荐问题，为移动用户提供及时的个性化情景推荐服务。
这篇文章重点做了以下几方面的研究工作：
（1）分析了此课题在国内外研究背景以及意义，从理论方面、现实方面阐述了本文所做研究的理论意义。
（2）分析现有的个性化推荐技术。现有两种主流个性化推荐技术：基于用户兴趣建模的个性化推荐，根据用户所处的兴趣类别进行个性化内容的推荐；另一种是基于推荐内容的协同过滤推荐技术，通过用户所属人群，并根据相似用户人群进行个性化内容推荐。分析以上两种推荐方法的不足。
（3）提出一种结合情景与用户兴趣进行个性化推荐的方法和系统。详细阐述情景推荐方法的实现。
（4）分析移动环境下基于情景的个性化推荐产品的实现方案、内容展现策略、推荐方式等，并给出了系统的开发环境、开发工具，从系统功能的各个方面展现了系统实现之后的效果。
（5）针对系统测试工作，详细设计了测试用例，对系统的功能、性能进行了详细的测试。还进行了专门的对比测试，通过对测试数据的详细分析，绘制出了测试结果图，并给出了测试结论。