在当前智能办公领域的应用研究中,“以人为中心”的服务理念已经得到了广泛的共识。通过将上下文感知技术和数据挖掘技术融合于一体,本文设计并实现了一个面向会议情景的个人来电智能辅助处理系统。该系统对会议情景下参会人员的不同来电信息采取了不同的智能辅助处理措施,使得参会人员既不会错过重要的来电信息,也不会因为非重要的来电信息而使会议受到影响,从而为参会人员提供了良好的会议环境。本文的研究内容如下：(1)研究并实现了贝叶斯网络构建及证据补全策略下的推理,并在此基础上完成了会议情景下参会人员状态的不确定性推理。针对贝叶斯网络模型,本文结合具体实验,对比了不同的结构学习和参数学习算法,并在此基础上完成了贝叶斯网络的构建；针对贝叶斯网络推理过程中存在的因证据缺失而导致推理准确率低的问题,本文提出了一种基于上下文历史数据的证据补全策略,实验表明该策略能够提高证据缺失情况下参会人员状态推理的准确率。(2)研究并实现了基于通信历史数据的联系人分时段重要性获取方法。首先根据通话历史数据得到了联系人之间的通话联系紧密度和通话时间段分布,然后在此基础上得到了不同通话联系人在不同时间段的联系重要性这一指标,该指标为实现会议情境下的用户来电信息自动处理提供了科学依据。基于公开数据集的实验验证了通过本文所得到的联系人分时段重要性的合理性。(3)设计并实现了系统对来电辅助处理的动态调整和更新机制。针对面向会议情景的个人来电智能辅助处理系统中存在的处理措施比较固定和单一的问题,在系统实现的过程中加入了动态调整和更新机制。具体的,在利用贝叶斯网络进行参会人员状态不确定性推理时,加入了对参会人员状态的动态更新机制；在对来电联系人进行重要性计算时,加入了基于来电次数的联系人重要性动态调整机制；在对来电信息进行智能辅助处理时,加入了辅助处理措施的动态调整机制。相关实验表明,上述动态调整和更新机制的引入,使得系统对个人来电所采取的辅助处理措施更加合理。