Web2.0模式的出现使得互联网上的信息交流方式发生了巨大的变化,一方面海量的信息丰富用户的出行体验,增加用户的满意度,另一方面,由于网络上的信息种类繁多且数量也呈指数级增长,用户难以在海量的数据中快速找到与自身相关的信息,引发了“信息过载”、“信息迷向”等问题,个性化推荐系统通过分析用户提交其感兴趣的信息和挖掘用户浏览过程的潜在信息,有针对性的向用户推荐信息,有效的解决目前因为互联网的快速发展而带来的各种问题。然而旅游信息不仅数量繁多,而且还具有多样性、动态性、实时性等特点,协同过滤算法是个性化推荐系统的核心,但也面临着稀疏性和冷启动的问题,且在一定程度上忽略用户情景信息对其行为产生的影响。本文在此背景下,提出一种基于情景感知的协同过滤算法,可以有效提高推荐算法的精度,然后从用户自身的角度出发,建立基于情景感知的用户兴趣模型,提高了个性化信息推荐服务的准确性和效率,增强用户的满意度及出行体验。本文主要研究以下四个方面的内容:(1)通过对国内外个性化推荐系统和情景感知的研究发现,用户的行为与其所处的情景有着千丝万缕的关系。首先给出动态、静态情景的定义,然后对旅游情景进行分类并构建情景感知的服务框架,很好地描述了情景感知的服务过程,最后阐述情景感知与个性化推荐技术的3种方式,选择合适的推荐模式与协同过滤算法相结合。(2)针对协同过滤算法只考虑用户、项目的评分信息而导致数据稀疏的问题,且现有算法缺少对情景信息的分析,因此引入用户情景信息,提出一种基于情景感知的协同过滤算法,在MovieLens数据集上利用Matlab方法对比协同过滤算法和基于情景感知的协同过滤算法,实验表明改进算法在邻近值和整体预测的精度有较高的优越性。(3)用户行为时时刻刻在发生变化,因此本文构建了一种基于情景感知的用户兴趣模型,该模型在现有用户兴趣模型的基础上加入用户的情景感知,抽取用户情景兴趣项,实时了解用户的动态变化,从而还原了用户的真实兴趣,并采用MapReduce方法实现数据的并行推荐,向用户提供快速、实时、精准的服务。(4)设计基于情景感知的旅游信息推送系统,实现了旅游信息精准推送的功能。该系统通过对旅游信息推荐系统的总体框架、数据库、系统功能的相关设计,处理相关数据,最终实现旅游信息精准推送的功能。在旅游信息推送的研究中,将情景感知与协同过滤算法结合可解决数据稀疏性等问题,用户兴趣模型可以有效的为用户提供动态的、实时的、高效的且适合自身兴趣的信息,为建立个性化的且含有用户当前情景的信息服务提供新的思路。