摘要：协同过滤推荐是目前个性化推荐系统中使用最为广泛的方法．然而，传统协同过滤推荐一方面仅根据用户对项目的评分来判断用户之间是否存在共同喜好具有一定的片面性，因而降低了近邻搜索的质量；另一方面忽略了不同情境对用户偏好影响的差异性，进而影响了个性化推荐的效果．为此，提出一种基于情境化用户偏好的协同过滤推荐模型．首先，在模型中采用信息熵理论分析不同情境对用户偏好产生影响的重要程度，并结合用户一商品评分和用户对商品属性的偏好来搜索近邻用户；在此基础上，将情境重要度的权重引入到协同过滤推荐的生成过程中进而产生推荐结果．通过MovieLens数据集对该模型和其它两种协同过滤推荐进行比较的结果表明：本模型具有较低的平均误差，进而表明了考虑情境化用户偏好的协同过滤可明显改善个性化推荐的质量．

关键词：协同过滤 情境 用户偏好 信息熵 个性化推荐 

单位：大连理工大学系统工程研究所; 大连116024; 美国佛罗里达州立大西洋大学信息技术及运作管理系; 佛罗里达33431