استفاده از زمینه، به عنوان اطلاعات پویایی که توصیف گر وضعیت کاربران و اقلام بوده و بر فرایند تصمیم گیری و انتخاب کاربران تاثیر گذار است، توسط سیستم های پیشنهاد دهنده در تجارت سیار، در جهت ارتقاء کیفیت مناسب پیشنهاد دهی ضروری است. در این تحقیق یک روش جدید چند بعدی برای پیشنهاد دهی آگاه از زمینه در تجارت سیار ارائه شده است. در این روش اطلاعات کاربران، اقلام، پارامتر های زمینه و ارتباط میان آنها در یک فضای چند بعدی نمایش داده می شود که به آن مکعب چند بعدی امتیازات گفته می شود. در این فضا زمینه های مشابه به طور جداگانه برای هر کاربر شناسایی می شوند که این کار با شناسایی الگوهای مصرف متفاوت کاربران در شرایط زمینه ای مختلف انجام می شود. با بدست آوردن این اطلاعات، یک فضای جدید دوبعدی ایجاد شده و پیشنهاد دهی نهایی با استفاده از یک روش فیلتر سازی مشارکتی در این فضا انجام می گیرد. ارزیابی روش از طریق پیاده سازی آن در یک سیستم پیشنهاد دهی محصولات غذایی رستوران ها شامل پارامتر های زمینه ای روز، زمان، آب و هوا و همراه علاوه بر پارامتر های کاربر و اقلام و مقایسه آن با روش سنتی پیشنهاد دهی و بدون در نظر گرفتن اطلاعات زمینه انجام گرفته است. برای پیاده سازی روش فیلتر سازی مشارکتی از شبکه های خود سازمانده استفاده شده است. شبکه های خود سازمانده، نوعی از شبکه های عصبی بدون ناظر هستند. مقایسه و ارزیابی نتایج با استفاده از محاسبه شاخص f1 که یکی از شاخص های استاندارد و پر استفاده برای ارزیابی پیشنهاد دهنده ها است، انجام گرفته است. بر اساس این نتایج، روش پیشنهاد دهی چند بعدی در حدود شانزده درصد بهبود نسبت به روش سنتی پیشنهاد دهی را نمایش می دهد که همین مساله کارایی روش را از نظر کیفیت پیشنهاد دهی تایید می کند.