【摘要】为了提高群组推荐模型中推荐结果的准确度问题,本文研究并提出了一种融合情境信息的群组推荐模型。首先,获取用户行为情境数据,同时发掘提取单个用户行为的偏好;其次,计算单个用户行为相似度,进行群组聚类发现;然后,融入情境信息挖掘群组行为特征,并构建群组行为偏好特征向量,最后结合协同推荐思想,将群组作为整体,和其他群组对项目的历史评分进行协同,形成预测评分。在实验中,我们通过分析用户的操作流,提取了主题序列特征,然后融入了经典情境信息,得出推荐结果。结果表明,使用该模型得出的排序靠前(6位)的推荐结果较之传统(非情境)的群组推荐方法具有更高的准确性。因此,该模型更适用于移动环境下的群组推荐。