在基于活动的社交网络服务网站中,由于活动主题的千变万化且网站只提供简单的关键字匹配和分类搜索功能,用户无法快速而准确地找到符合自己兴趣的活动。活动推荐系统致力于当用户在基于活动的社交网络服务网站浏览并寻找感兴趣的活动时,基于用户的历史活动记录信息预测用户可能感兴趣的活动,为用户提供有效的帮助,其研究具有重要的理论研究价值和实际应用指导意义。本文重点研究用户对活动内容的偏好、活动的各种上下文特征以及各特征对用户决策产生的不同影响,提出了一套个性化的活动推荐解决方案。所做的工作主要包括:1.深入分析了在基于活动的社交网络服务中,用户获取个性化活动推荐的服务场景及其存在的冷启动问题。2.对活动内容文本构建主题空间,将语义特征加入到活动内容相似度计算的方法中,不仅缩小了活动内容文本矢量的维度,还加快了相似度计算的速度,也使得推荐结果更为准确。3.全面挖掘影响用户行为的上下文因素,建立合适的算法来预测待推荐活动与用户历史活动偏好的匹配程度,避免了片面、主观的用户行为猜测。4.结合活动的组成元素,设计了一套个性化的活动推荐解决方案。该方案综合了用户对活动内容的兴趣偏好和活动上下文特征对用户不同程度的影响,能更加准确地预测用户对待推荐活动的感兴趣程度。5.提出了个性化活动推荐系统的设计方案并进行了实现,并在豆瓣同城活动的真实数据集上进行了对比验证以及实验结果的详细分析和讨论。本文首先介绍了研究背景和基于活动的社交网络研究领域相关文献的综述,分析了现有研究存在的不足,然后基于对个性化活动推荐服务场景及活动组成元素的分析,综合用户对活动内容的兴趣偏好以及活动上下文特征对用户不同程度的影响,提出了个性化活动推荐解决方案。最后,本文介绍了所论述的个性化活动推荐系统的设计与实现,并基于豆瓣同城活动的真实数据集对该推荐方法进行了对比和验证。