在移动计算技术和网络技术发展的推动下,普适计算技术成为新的研究热点。收集信息、处理信息和反馈信息是普适计算要做的三件事,其核心是上下文感知计算(Context-aware Computing)。研究上下文感知计算具有重要意义。本文以上下文感知系统中的上下文预测为研究对象,目标是采用基于本体的分层建模方法对上下文信息进行建模,并在该模型的基础上采用协作过滤技术实施上下文的预测。本文提出了对协作过滤技术的改进,以使其能有效的适应于上下文感知计算环境,这些改进包括包括结合上下文相似度和用户子类的划分的预测。论文从对上下文信息的建模方法出发,阐述了基于本体的建模方法,采用分层的形式对上下文建模。高层模型着重描述上下文所共有的特性,而低层模型则同具体的应用领域相关。同时将时间本体(Time Ontology)结合进上下文的模型中。随后,论文介绍了在上下文感知计算环境中应用协作过滤技术所面临的问题及其解决办法,接下来提出了针对上下文感知计算的协作过滤过程。在本体描述的基础上对上下文进行推导,以得到上下文之间的相似度。同时,采用结合用户兴趣子类划分的办法来解决协作过滤中的慢启动问题,以提高在数据矩阵稀疏时算法的推荐准确度。接下来,设计实现了基于本文提出方法的原型中间件系统iCaCF。最后,结合实际项目,在iCaCF的基础上设计实现了一个以智能导览为背景的应用实例。本论文的主要成果是:1.提出了对协作过滤技术的改进,以使其能有效的适应上下文感知的计算环境,这项工作具有一定的创新性。2.设计实现了基于本文提出的预测方法的原型中间件系统iCaCF,并和实际的项目结合,给出了一个智能导览的应用实例。