当今社会信息化发展迅速,将个性化推荐技术应用于餐饮业,既益于技术应用革新,又益于促进餐饮业发展。相比传统项目推荐,餐饮推荐更加依赖用户自身和物理环境因素,不同环境下餐饮选择也大不一样,所以当前网络餐饮推荐仅仅基于用户过去的行为数据产生相关食物推荐的推荐模式在解决餐饮推荐情境敏感性的问题上显得无能为力。所以本文以情境感知技术、基于内容推荐算法和基于用户协同过滤算法作为研究前提,从校园餐饮实际应用角度的出发,针对传统推荐系统存在的“冷启动”和“数据稀疏性”问题,提出一种结合用户当前情境和兴趣因素的校园餐饮推荐模型并详细设计实现原型推荐系统对提出模型进行了验证,本文的主要研究内容有:(1)对情境感知架构进行了定义和说明,并从情境定义、表示及建模角度出发建立用户餐饮情境本体模型;在确定餐饮领域知识范围和获取领域知识后,利用五元组的形式自上向下的建立和完善了一个餐饮知识本体模型;对情境推理规则根据不同感知阶段划分成情境演绎规则和推荐优化规则,并对其进行了具体设计。(2)从传统推荐算法存在的诸多问题入手,提出收集用户行为数据得出用户兴趣特征向量,计算相似度后向用户推荐基于已有兴趣的餐饮项目;然后提出使用改进的协同过滤算法向用户推荐基于潜在兴趣的餐饮项目,原理是根据用户兴趣特征向量预测出可以填充用户评分矩阵的用户对餐饮项目的评分,以获得更加准确的推荐结果;最后将根据情境推荐与根据用户兴趣推荐的算法模型进行了融合,并描述了流程。(3)详细设计了餐饮推荐原型系统客户端和服务端,并通过实验验证了本研究混合推荐方法的可行性。