前言

随着信息技术的迅速发展和信息内容的快速增长，“信息过载”造成的信息负担已成为无法忽视的问题，引入推荐系统是缓解这一问题的有效方法，一直以来都得到学术界和工业界的广泛关注。推荐系统的应用形式多种多样，其通过发现用户和项目之间存在的关系，帮助用户从大量数据中发现可能感兴趣的项目，从而形成个性化推荐结果，满足不同用户的个性化需求。目前，推荐系统在电子商务、在线旅游、互联网广告、电子游戏、移动互联网等应用领域取得了不错的应用效果，其相关理论研究也伴随着不断涌现的新技术和新应用而进一步深入。

近些年来，移动互联网的飞速发展使移动通信网络与计算机网络之间出现了交叉融合的现象，传统的互联网信息服务也随着智能移动设备的普及和用户获取信息渠道及习惯的改变而有了极大的不同，能提供“任何时间、任何地点、任何方式”的信息服务成为共识。在这种背景下，移动推荐系统利用移动互联网在信息推荐方面的优势，克服其劣势，通过获取和预测潜在移动用户偏好来过滤不相关的信息，为移动用户提供满足其个性化需求的结果，因此得到越来越多的关注，已成为推荐系统研究领域的研究热点之一。与此同时，大数据、深度学习等技术的发展和应用为推荐系统的研究提供了一些新的研究思路和问题解决方法，从而提高了推荐系统在更多应用场景中的实用性。但新技术、新设备、新的应用场景和新的需求也对推荐系统提出了新的要求，其中仍有大量需要进一步深入研究的领域。

本书在系统地总结推荐系统理论和相关研究成果的基础上，分别从移动用户需求获取、移动情境感知推荐、社会化推荐、群组推荐等方面对移动互联网信息推荐技术展开较为全面、深入的研究和讨论。

由于时间仓促，加之作者学术水平和视野有限，书中难免出现疏漏之处，敬请读者批评指正。

曹洪江

2022年10月