随着移动互联网技术的日益成熟,用户偏好越来越表现出情境敏感性,如何深入挖掘用户在不同情境下的偏好,将情境因素融入到信息推荐过程中实现情境感知推荐已成为目前信息推荐领域的热点和难点。基于此,本文构建了基于梯度提升决策树的情境属性权重计算方法,并在此基础上,构建了基于梯度提升决策树的情境感知推荐方法,以期为后续的情境感知推荐研究提供新思路。本文首先梳理了国内外有关情境感知推荐的研究,指出了现有研究中存在的问题,为论文后续工作的开展奠定了基础。然后本文从情境属性权重角度深入挖掘了用户的情境化偏好,针对现有情境属性权重计算研究中存在的将情境属性权重计算看作静态过程,忽略了情境属性间关系的问题,本文将广泛应用于特征选择领域的Boosting算法引入到情境属性权重计算中,构建了一种基于梯度提升决策树的情境属性权重计算方法,该方法将情境属性权重看作一个动态特征选择过程,在考虑情境属性间关系的基础上计算情境属性对于用户选择的影响程度,为解决情境感知推荐研究中存在的关键情境属性识别以及多元情境属性关系处理问题提供了参考。在此基础上,本文采用情境建模模式深入融合情境信息,提出了一种基于梯度提升决策树的情境感知推荐方法,该方法融合用户评分相似度和当前情境实例下用户的信息资源类别偏好相似度,实现单个情境维度下的最近邻居搜索,缓解了数据稀疏性对于用户相似度计算的影响,然后根据最近邻居搜索结果与情境权重加权得到情境感知推荐结果,实现情境感知推荐。最后,本文以经典的Movielens-1m数据集进行验证,将本文提出的方法与传统协同过滤推荐方法进行对比,实验结果证明了本文提出的情境属性权重计算方法和情境感知推荐方法的有效性。