随着移动互联网、社交网络、电子商务、物联网、云计算等相关技术的发展，传统互联网的涉及领域被极大的扩展，人类已经进入一个崭新的“大数据”时代。如何缓解“大数据”带给人们的“信息过载”问题，已经成为学术界和工业界关注的热点。与此同时，在移动互联网环境中，信息资源的获取和推送可以不受时间、地点和方式的限制，移动智能终端（如智能手机、平板电脑等）能为用户提供无处不在、丰富的信息资源，已经成为人们获取信息和服务的重要平台之一。移动互联网服务和信息内容的迅速增长不断考验人们的承受能力，日益严重的“移动信息过载”问题极大影响用户体验和互联网络资源的利用率。情景感知推荐系统将情景信息引入推荐系统，具有“个性化”和“普适计算”两种优势，可以进一步提高推荐精确度，具有重要的研究意义、实用价值和广阔的应用前景，是缓解“移动信息过载”问题的有效途径之一，已成为推荐系统领域的研究热点。本论文的主要研究内容如下：(1)综述了传统推荐系统、情景感知推荐以及其应用的研究现状，重点论述了三种情景感知推荐方法（基于内容的情景感知推荐、基于协同过滤的情景感知推荐和混合式情景感知推荐）和三种情景感知推荐范式（情景预过滤、情景建模和情景后过滤），并分析了各自的优势及存在的问题。(2)对传统推荐系统相关的概念和技术进行研究，并分析了各种推荐技术的优势和不足，重点讨论了协同过滤推荐技术，包括其基本思想和推荐流程，对常用的协同过滤推荐算法进行了介绍，总结了各种协同过滤推荐算法的优势及现存问题。(3)对情景感知相关的理论及情景感知的移动推荐系统框架进行了研究。首先对情景、情景感知、情景感知计算的概念进行了说明；基于上述概念，描述了情景感知系统的基本结构，为进一步明确情景感知系统的结构组成及各部分的功能，给出一种情景感知系统框架的概念模型。在对移动推荐和传统推荐进行对比分析的基础上，给出一种情景感知的移动推荐系统框架，并对移动推荐系统的各层主要功能实现进行了设计说明。(4)基于前述移动推荐系统框架，针对移动个性化推荐问题，通过将用户的情景信息引入到协同过滤推荐过程，提出一种结合情景和协同过滤的移动推荐算法。该算法综合考虑周围环境情景和社会网络关系情景，利用已知的情景用户偏好和用户的社会网络关系，通过用户综合情景相似度的计算，获取用户的最近邻，并预测潜在的情景用户偏好来产生推荐；然后利用公开的真实数据集进行实验，来表明该算法在MAP和P@N方面的可用性和先进性。