当今,个性化推荐系统已经在很多领域被应用,如网络商品推荐、音乐推荐等,协同过滤是其中应用最为广泛的个性化推荐技术,但是,这些系统大部分没有考虑用户上下文对推荐结果的影响,或者推荐结果没有随用户兴趣偏好改变而更新。本文在使用传统的协同过滤技术来实现个性化推荐系统的基础之上,将用户的上下文信息引入到推荐系统中。本文在研究上下文感知以及本体相关理论知识的基础上,参与系统分析、设计,并实现了基于用户上下文的数字媒体个性化推荐系统。本文主要完成的工作：首先,在初步需求分析的基础上确定了系统中的用户上下文信息的具体所指内容,并给出了用户上下文信息的获取方法。其次,建立了系统中的数字媒体领域本体并对用户的上下文信息进行本体建模,实现系统中各概念的本体实例的程序自动创建与扩展。再次,建立用户兴趣偏好表示形式,并基于本体的查询与推理处理能力构建系统各用户的用户兴趣偏好。最后,依据建立的用户兴趣偏好以及用户的当前上下文信息产生一定数量的推荐结果并将推荐结果在系统前台页面呈现出来。总的来说,目前对上下文以及本体在推荐系统中的应用还处于研究阶段,而且大多数的研究项目针对的是移动领域的服务推荐,针对Web用户的推荐系统研究项目则比较少,本文参与设计实现的基于用户上下文的数字媒体个性化推荐系统是对这一领域研究的一次尝试。