在开放、动态、多变的互联网环境下，感知并理解用户情境是计算机软件应具备的重要能力。近年来，基于交互文本的用户情境解析是学术界和产业界的热点问题。
本书深入调研了基于交互文本的用户情境解析方面的研究进展，分析总结了当前研究工作存在的问题和不足。针对这些问题，提出了基于泛在交互文本的用户情境解析方法，为用户情境解析提供了新颖的研究思路和有效的技术方案。
本书适合具备相关计算机基础的研究、开发人员阅读，也可为软件工程、万维网、信息检索、自然语言处理、泛在计算、人机交互等众多领域的学者提供一定的参考和借鉴。

陈震鹏，新加坡南洋理工大学研究员，曾任英国伦敦大学学院研究员。于2016年和2021年在北京大学分别获得学士学位和博士学位。主要研究方向为软件工程、人工智能、万维网等。在ICSE、FSE、ISSTA、WWW、TOSEM等计算机顶级学术会议和期刊发表论文三十余篇。获WWW最佳论文奖、ACM SIGSOFT杰出论文奖、微软学者、CCF优秀博士学位论文激励计划、北京市优秀博士学位论文奖等荣誉。受邀担任ICSE、ASE、WWW、KDD等国际会议程序委员会委员和TSE、TOSEM、TWEB等国际期刊审稿人，获评ASE杰出程序委员会委员、TOSEM杰出审稿人、TWEB杰出审稿人等荣誉。

丛书序
推荐序Ⅰ
推荐序Ⅱ
导师序
摘要
Abstract
第1章 引言
1.1 问题的提出
1.1.1 用户情境
1.1.2 用户情境解析
1.2 相关研究现状
1.2.1 基于交互文本的静态用户情境解析
1.2.2 基于交互文本的动态用户情境解析
1.3 现有工作中存在的问题
1.4 本书主要内容
第2章 基于泛在交互文本的用户情境解析方法框架
2.1 泛在交互文本
2.1.1 常见的泛在交互文本
2.1.2 泛在交互文本的特性
2.2 方法框架
2.2.1 框架依据
2.2.2 框架概览
2.2.3 挑战及技术路线
2.3 工具实现
2.4 小结
第3章 基于监督学习的静态用户情境解析技术
3.1 技术概览
3.2 基于实证分析的特征工程
3.2.1 数据收集
3.2.2 实证分析
3.2.3 特征提取
3.3 基于监督学习的模型训练
3.4 实验验证
3.4.1 待验证的问题
3.4.2 实验设置
3.4.3 实验结果
3.5 小结
第4章 基于迁移学习的跨语言动态用户情境解析技术
4.1 技术概览
4.2 泛在交互文本赋能的语言表征
4.3 基于迁移学习的模型训练
4.4 目标语言的动态用户情境解析
4.5 实验验证
4.5.1 待验证的问题
4.5.2 实验设置
4.5.3 实验结果
4.6 小结
第5章 基于迁移学习的领域特定动态用户情境解析技术
5.1 技术概览
5.2 泛在交互文本赋能的领域表征
5.3 基于迁移学习的模型训练
5.4 目标领域的动态用户情境解析
5.5 实验验证
5.5.1 待验证的问题
5.5.2 实验设置
5.5.3 实验结果
5.6 小结
第6章 结束语
6.1 本书内容总结
6.2 未来工作展望
参考文献
攻读博士学位期间的科研成果
致谢
丛书跋