随着具有计算和组网能力设备的出现以及这些设备的小型化和嵌入化,传统的以计算机为中心的计算模式因无法克服一人多机所带来的困扰而受到严重挑战。Mark Weiser提出了以“透明”和“随处可用”为主要特征的普适计算的设想因契合了计算技术发展的需求受到广泛关注。在普适计算环境中,“透明”并非完全指物理上的不可见性,更主要的是指用户与计算机之间的交互是否为用户所觉察。要实现这种“透明”交互方式的一个必要条件就是计算机能够感知上下文,因而,上下文感知技术成为普适计算的核心技术之一。目前,提供面向普适计算环境的个性化服务成为研究的热点,而上下文感知技术也为服务推荐在普适计算环境中的发展带来了新的挑战和契机。本文针对普适计算环境中服务推荐的应用需求,首先分析了传统的服务推荐技术和融入了上下文的服务推荐技术的现状,通过对现有上下文感知系统的分析和总结,提出了一种基于上下文感知的智能服务推荐机制,建立了一个基于贝叶斯网络的服务推荐模型,最后在普适计算环境中对推荐模型进行了系统实现。本文以多Agent技术为基础,设计了一个普适计算环境中自动获取上下文后进行服务推荐的系统框架。该框架由多个具有通信功能的Agent构成。采集Agent负责上下文及服务信息的自动获取;汇集Agent实现上下文和服务信息的数据整合;训练Agent完成基于贝叶斯网络的服务推荐模型的创建;推荐Agent运行上下文之间的层次推理;自学习Agent保证推理模型实时更新。本文根据系统环境的特点,制定了三层服务推荐决策。首先贝叶斯网络推荐模型计算环境中每个服务资源的概率值,然后聚类算法以概率值为依据对服务资源进行分组,最后系统运用负载平衡选择后台服务资源节点。通过以上三层决策,本文满足了用户的个性化需求。为了保证系统内Agent之间的通信与协作,本文设计了一种高效可靠的通信机制,提高了整个推荐系统的性能。本文设定在普适计算环境中,用户完成办公或家庭任务。实验证明用户对三层决策机制推荐出的服务具有很高的满意度;通过实时自动更新,服务推理模型蕴含的用户偏好逐渐逼近真实偏好;证明了服务推荐系统框架的有效性和可行性。通过对上下文感知系统、贝叶斯网络的推理及更新技术、多Agent技术和系统应用等问题的研究,本文设计的基于上下文感知的服务推荐机制和实现系统,考虑了上下文对服务推荐的影响作用,对服务推荐在普适计算环境中的发展做了进一步的探索。