摘要：泛在网络环境中,组合服务选择不仅需要考虑服务上下文还需要考虑用户上下文,而描述上下文属性的数据类型可能有实数、区间数、三角模糊数和直觉模糊集。为解决这种基于复杂上下文的组合服务选择难题,本文提出一个复杂上下文感知的组合服务选择框架,能够感知服务上下文和用户上下文。该框架基于智能主体设计,其中用户端框架完成用户上下文管理,服务端框架完成服务上下文管理和组合服务选择。通过相关工作的比较,验证了该框架的优越性和有效性。

摘要：上下文环境对于信任的计算是非常重要的,但在现有模型中常常被忽略。根据P2P网络的特点,提出了一个基于上下文感知的动态自适应信任计算模型。在模型中,直接信任度是采用基于贝叶斯评估方法,推荐信任度是基于直接信任度,结合自身信任经验进行计算的,给出了信任度的综合评估计算模型。仿真结果表明,在交互决策时显示出模型的优越性和健壮性。

摘要：通过对上下文建模、层次化建模相结合的方法建模和仿真,对上下文感知计算在天平山景区的智能导游系统进行建模研究。通过功能扩展,实现状态数目和建模复杂度地降低。最终充分节约了设计中的成本,更为重要的是在此基础上能独立地对所涉及的诸多方面进行研究。

摘要：针对垂直切换决策考虑的因素越来越多而增加了决策复杂性的问题,提出一种基于上下文感知的垂直切换模型,设计出由切换发起、网络过滤、网络选择3阶段组成的新的切换决策机制。通过引入网络过滤,以某项网络选择指标为依据,对当前可检测到的接入网络进行过滤,并最终实现网络选择算法中对候选网络集或者选择指标的优化。该算法可以使网络选择策略更加灵活并保障其有效性,有助于快速确定目标网络。通过应用实例分析表明,该机制具有明显性能优势。

摘要：为解决兴趣点推荐中个性化不足和推荐性能较差的问题,提出一种基于矩阵分解的上下文感知兴趣点推荐方法。通过建立矩阵分解模型综合考虑时间、地理位置等上下文信息对兴趣点推荐的影响,在协同过滤算法中融入时间序列建模用户偏好,利用随机梯度下降法优化矩阵分解模型的参数,提高模型的运行效率。实验结果表明,该方法能够满足不同用户的个性化需求,相比于其它主流兴趣点推荐方法有着更好的推荐性能。

摘要：为了将用户感兴趣的旅游信息主动推荐给用户,通过引入上下文感知技术,提出了旅游推荐系统中的上下文模型,借助上下文敏感的地球空间信息服务设计了上下文感知下的个性化旅游推荐系统的原型架构。

摘要：随着数字阅读时代的到来,交互式阅读理解系统成为提升阅读体验和效率的重要工具。针对现有系统无法有效利用阅读上下文信息的问题,本文设计了基于上下文感知的交互式阅读理解系统,提出了一种融合实时交互式问答、个性化学习路径和阅读进度跟踪的系统设计方案。运行测试结果表明该系统具有良好功能与性能。本研究为提升阅读理解效率提供了新途径。

摘要：随着计算机技术的发展,普适计算作为一种新的计算模式孕育而生。基于普适计算的应用技术能为使用人群提供主动的,个性化的服务,这一特点可以极大地改善现有计算机辅助教学过程中一些固有缺陷。文中分析了普适计算在教学中的意义,研究了近年来国内外在上下文感知领域的探索,指出了普适计算技术在实验教学中的优越性,设计了一个基于上下文感知的普适计算辅助教学实验。

摘要：博物馆让人们有机会去看许多不同形式的艺术品。而随着数字博物馆的到来,人们可以通过手指就可以获得到大量的信息。然而具有不同兴趣爱好和知识水平的外界观光者看到这些信息往往一样的。而基于上下文感知的移动中间件能够为移动导航系统提供一个非常好的中间平台。本文叙述了建立上下文中间件的必要性,提出了基于观光者兴趣和知识水平来处理上下文信息的上下文感知中间件。

摘要：移动学习足了信息化时代人们随时随地进行学习的需求,是泛在学习的重要组成。然而用户个体的差异性、学习环境的复杂性、终端设备的局限性等因素阻碍了移动学习的个性化发展。在对比了现有移动学习实现模式的基础上,构建了一个基于上下文感知的移动学习系统,利用泛在计算中的上下文感知技术应对复杂的学习环境,提升人与移动设备之间的交互,实现系统的个性化及智能化。