互联网的快速发展使得网络信息迅速增长,一方面海量的信息为用户提供了多样的信息选择的依据,另一方面互联网信息数量庞大、种类繁多,使得用户难以在海量的数据中快速找到自己实际需要的信息。个性化推荐系统的出现较好的解决了这类问题,协同过滤算法作为个性化推荐的核心,目前许多专家学者仍在进行持续的探索研究,本文考虑到协同过滤算法存在的冷启动和数据稀疏等问题,以及情境感知与协同过滤算法独立进行个性化推荐的特点,从用户角度出发,建立基于地理情境的用户兴趣模型,并提出一种混合协同过滤和关联规则的个性化推荐算法,以期提高个性化信息推荐服务的全面性和精准性。本文主要研究以下几个方面的内容:(1)通过对国内外情境感知、用户兴趣模型和个性化推荐系统的研究发现,用户的兴趣偏好跟用户当前行为、用户所处的地理情境有着密切关系。通过情境定义、情境分类以及情境感知的计算服务框架等研究,实现对情境的认知,在此基础上提出地理情境的概念、抽象表达等相关知识,最后阐述基于地理情境感知的三种个性化推荐技术模式,选择适合本文研究内容的推荐模式进行阐述说明。(2)用户兴趣偏好和用户行为每时每刻都处在变化的过程中,具有较强的动态性和实时性,获取到的信息的全面程度是影响模型优劣程度的关键之一,本文在综合考虑显式兴趣项、隐式兴趣项和地理情景兴趣项的基础上,设计一种基于地理情境的用户实时兴趣适配模型,通过对用户各个项兴趣的全面表达,更好的还原用户的真实兴趣。(3)针对传统的协同过滤算法考虑“用户-项目”的评分信息而导致数据稀疏和冷启动的问题,本文在评分标签的基础上加入评论标签,提出一种基于多维标签的协同过滤算法,该算法在MovieLens数据集上进行验证,实验表明改进过后的算法优于传统的算法;利用Apriori算法对地理情境与用户行为兴趣进行关联规则分析,实验证明该方法具有可行性;最后将两种算法加权成个性化混合推荐算法。(4)设计了旅游信息个性化推荐服务。在本文研究内容的基础上,进行基于用户兴趣的旅游信息个性化推荐系统的设计,主要包括推荐系统总体框架设计、旅游数据库设计、推荐系统应用接口等相关设计,以期实现旅游资源的真实有效推荐。在个性化推荐的研究中,将关联规则与协同过滤算法结合可解决数据稀疏性等问题,用户兴趣模型可以有效的为用户提供动态的、实时的、高效的且适合自身兴趣的信息,为建立个性化的且含有用户当前地理情境的信息服务提供新的思路。