前言

隨著信息技術的迅速發展和信息內容的快速增長，“信息過載”造成的信息負擔已成為無法忽視的問題，引入推薦系統是緩解這一問題的有效方法，一直以來都得到學術界和工業界的廣泛關注。推薦系統的應用形式多種多樣，其通過發現用戶和項目之間存在的關系，幫助用戶從大量數據中發現可能感興趣的項目，從而形成個性化推薦結果，滿足不同用戶的個性化需求。目前，推薦系統在電子商務、在線旅游、互聯網廣告、電子游戲、移動互聯網等應用領域取得了不錯的應用效果，其相關理論研究也伴隨著不斷涌現的新技術和新應用而進一步深入。

近些年來，移動互聯網的飛速發展使移動通信網絡與計算機網絡之間出現了交叉融合的現象，傳統的互聯網信息服務也隨著智能移動設備的普及和用戶獲取信息渠道及習慣的改變而有了極大的不同，能提供“任何時間、任何地點、任何方式”的信息服務成為共識。在這種背景下，移動推薦系統利用移動互聯網在信息推薦方面的優勢，克服其劣勢，通過獲取和預測潛在移動用戶偏好來過濾不相關的信息，為移動用戶提供滿足其個性化需求的結果，因此得到越來越多的關注，已成為推薦系統研究領域的研究熱點之一。與此同時，大數據、深度學習等技術的發展和應用為推薦系統的研究提供了一些新的研究思路和問題解決方法，從而提高了推薦系統在更多應用場景中的實用性。但新技術、新設備、新的應用場景和新的需求也對推薦系統提出了新的要求，其中仍有大量需要進一步深入研究的領域。

本書在系統地總結推薦系統理論和相關研究成果的基礎上，分別從移動用戶需求獲取、移動情境感知推薦、社會化推薦、群組推薦等方面對移動互聯網信息推薦技術展開較為全面、深入的研究和討論。

由于時間倉促，加之作者學術水平和視野有限，書中難免出現疏漏之處，敬請讀者批評指正。

曹洪江

2022年10月