信息增长的速度超过用户处理信息的速度，信息过载问题使消费者作出购买决策更加困难。研究显示：消费者的搜索意图、购买意向、决策行为都会受到信息超载的影响（Swar，Hameed，＆ amp；Reychav，2017；Soto-Acosta et al.，2014；Hu ＆ amp；Krishen，2019）。因此，各类电商网站及移动购物App纷纷推出“猜你喜欢”“购买此商品的用户还购买了以下商品”等栏目，为消费者购买商品提出建议，帮助其找到心仪的商品。这些栏目中商品的出现正是依赖于现有的个性化推荐系统，而个性化推荐系统的灵魂是个性化推荐方法。也就是说推荐的商品是否能得到用户青睐的关键在于个性化推荐方法能否在恰当的时间、地点准确地为用户提供其喜好的商品。目前推荐方法的准确率较低，其推荐的商品或千篇一律或不能使用户满意。要想提高准确率，仅仅优化算法是不够的，还要考虑其他会影响用户的因素。因为个性化推荐是一个“认知助手”，他不仅仅需要学习顾客的兴趣、偏好等，还要考虑用户心情随着外在环境的变化。

移动推荐的互联网时代，随时随地购物成为一种流行趋势，实时变化的场景自然会对消费者的购物产生巨大的影响，身边某个情景线索的变化就可能引起消费者购物决策的变化。刘晓峰等通过情景模拟研究了缺货归因产生的不同心理抵制水平与产品是否促销有关（刘晓峰，刘龙艳，2014）。情景成为刺激消费者购买的重要因素，网购行为与情景线索有多种联系，不同的情景线索会刺激消费者产生不同的行为反应。基于行为执行意向理论（张亚明等，2016），通过不同情景线索关联的行为反应对消费者的实际购买行为具有极强的解释力，也就是说，目标导向的情景线索对预测消费者的购买行为具有极其重要的影响力，情景线索成为预测消费者网购行为的重要特征。王林等继而挖掘网购评论信息，探索了网购情景线索的类型、特征及作用机制（王林等，2015），之后又深度挖掘了网购情景线索与行为反应的关联模型（王林等，2018）。基于此，情景线索在网购行为的研究中已经成为必要的考虑因素，情景的研究也逐渐引起学者的注意，邓晓懿等运用情景信息对用户聚类来改善推荐质量（邓晓懿等，2013）。但是，以往的研究大多注重于用户历史数据分析（De Pessemier，Deryckere ＆ amp；Martens，2009），而不是情景线索的挖掘。因此，本章提出将情景线索作为一个特征要素加入个性化推荐方法研究中，以期提高个性化推荐的准确率与满意度，为个性化推荐领域提供新的思路。(www.daowen.com)

研究表明，网购评论对消费者的购买有着重要影响，尤其是负面评论（黄华，毛海帆，2019）。因为评论由购买并使用过的消费者所写，其中有很多能够刺激到其他消费者购买的线索。例如，小明购买某化妆品之后认为该化妆品性价比高，而且效果很明显，于是她评论道：“真的很好，性价比很高，很优惠，并且美白的作用很明显，很好用……”这条语句中所体现的价值感知线索就会刺激到同样很注重价格的小李，于是小李就可能会购买这款产品，这表明她们挑选商品时优先考虑感知价值高的商品。因此，本章从评论信息中对各类情景线索类型进行标注，得到每个用户的情景关注度向量及每个商品的情景特征向量，进而进行相似性计算，最后结合协同过滤，产生最后的推荐结果。