随着移动信息服务的迅速发展和普及,数据采集技术的不断进步,我们可以采集到的信息的维度不断提高,传统仅考虑“用户-项目”二维的推荐模式在所采集到的信息量相对较少,数据维度相对较低的情况下可以取得较好效果,但在移动信息服务环境下,仅仅靠“用户-项目”二维的推荐模式并不能为用户在特定情境信息条件下生成有效的个性化推荐。随着移动技术的发展以及各类传感设备种类的增多,可以采集到的关于移动用户在移动环境中的情境信息多种多样,而这些情境信息对于推荐的性能也是非常重要的。因此,为移动用户在特定情境下提供个性化的推荐变得十分重要和迫切。目前结合移动环境下高维度情境信息的推荐技术研究在国内外均处于起步阶段,本文以给移动用户在特定情境下提供个性化的推荐进一步提高推荐的准确性和用户满意度为目标,探讨基于多维情境信息的移动信息服务个性化推荐方法。本文立足于移动信息服务环境,充分考虑移动信息服务环境中的高维度情境信息,对多类型用户情境信息进行分析和建模,论文将“用户-项目”二维推荐算法中较为成熟的基于用户的协同过滤推荐算法与多维情境信息条件进行结合,通过将单维度情境信息条件下用户的偏好进行扩展,根据不同情境信息对偏好影响的程度不同,对现有的协同过滤推荐算法中的相似度计算算法进行改进,预测对多维情境信息条件下用户偏好,最终得出适用于移动信息服务环境下的可以应对多维情境信息的个性化推荐算法。在面对单维情境信息的用户偏好数据稀疏性问题时,引入三阶张量分解技术,充分利用三维空间中潜在的数据关联关系,使得严重的数据稀疏性问题得到缓解。本文最后采用推荐领域著名的MovieLens公开数据集对算法进行了仿真测试,仿真结果显示,改进后的算法与传统的二维推荐模式相比推荐结果更加精准,验证了情境信息对用户偏好具有影响,同时与现有的结合情境信息的推荐方法相比,本文得出的推荐更加符合用户偏好,说明本文提出的方法在处理情境信息的融入问题上更加有效。通过对以上内容的研究,进一步丰富了个性化推荐领域的相关理论,为移动信息服务的个性化推荐研究提供了理论支撑和科学依据。本文的研究工作是高等学校博士学科点专项科研基金项目《基于物联网背景的主动信息服务模型与机理研究》与国家自然科学基金重点项目《大数据驱动的智慧医疗健康管理创新》的一部分。