情景线索成为网购的重要影响因素，很大程度影响着消费者的购物行为，成为个性化推荐采纳的重要影响因素。另一方面，个性化推荐的实质是一种个性化营销，需要捕捉消费者的心理因素。而评论信息中蕴藏着大量的用户购买过程中的心理特征。王林等从评论信息中挖掘出与用户行为对应的情景线索类型（王林，2015）。所以本章在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，产生最终的推荐结果。结果显示，本章提出的算法优于传统的协同过滤算法，同时也为个性化推荐领域引入了新的思想。

1）研究结论

本章通过引入情景线索，将用户的心理影响计入个性化推荐中去，得到了较好的结果。结果显示，召回率和准确率都比传统的算法有一定的提升，只有当k取11或者12的时候算法与传统协同过滤算法持平，但其他取值的结果都比较好。这说明个性化推荐方法应该注重用户心理研究，广泛应用营销学的理论知识，使个性化推荐真正成为以人为本的个性化营销工具，避开计算机技术的误区。(www.daowen.com)

2）理论贡献

首先，本章研究将情景线索理论与个性化推荐方法相融合，即为心理学与计算机技术的融合，促进了交叉学科的发展。情景线索成为网购的重要影响因素，很大程度影响着消费者的购物行为，成为个性化推荐采纳的重要影响因素。另一方面，个性化推荐实质上是一种个性化营销，需要捕捉消费者的心理因素。其次，情景推荐成为热点以来，情景附加信息的挖掘大多来自与用户所处的外在环境信息，而本章提出从评论信息中挖掘情景信息，为个性化情景的推荐注入了新的思想。最后，本章充分考虑用户心理因素，在个性化推荐中体现了以人为本的思想，为个性化推荐领域引领新的方向。