打击违法犯罪就是要是摧毁整个犯罪团伙。若要抓捕犯罪分子,需要事先预知他的准确位置。然而,预测罪犯的藏匿位置非常具有挑战性,因为这些罪犯一般很狡猾、反侦察能力很强。于是,目标罪犯藏匿位置的预测成为了一个重要的研究任务。预测罪犯的藏匿位置对执法机关打击违法犯罪很有帮助,而一般的位置预测方法并不适用于犯罪网络。因为目前位置预测主要关注个人生活方面,如预测用户出现的下一个位置并推荐商品。所以,本文提出了一种面向关系语境的位置预测方法来预测目标罪犯可能藏匿的位置。首先,给出目标罪犯的普通社会网中每个成员轨迹的规范化描述,并使用基于密度的聚类算法聚类位置,希望发现掩藏在这些轨迹背后的信息,如这些区域的语义位置,这里经常发生什么活动等。其次,根据聚类后的位置信息挖掘各个成员的位置偏好。同时,使用区域熵筛选目标罪犯可能藏匿的候选位置子集,降低待处理的位置数据规模。然后,把目标罪犯的普通社会网转化为面向关系语境的社会网,计算目标罪犯的信任关系子集。因为社会影响是基于信任关系的,越信任越受其影响。所以计算了信任关系子集的位置偏好对目标罪犯藏匿位置的影响度。最后,使用协同过滤模型把影响度和区域熵关联起来,预测目标罪犯可能藏匿的位置,并通过实验评估了所提方法的有效性。