定位技术是近年来热门的研究领域。通过各种定位方法,研究者可以收集到用户的定位地点以及运动轨迹。这为我们深入挖掘用户的行为模式并分析出用户可能的兴趣选择提供了新的依据。在这样的前提下,我们可以将定位技术应用到推荐系统之中。推荐系统最早产生的原因,是帮助用户从海量的数据之中寻找到用户自身需要的数据。在这样的需求之中,各类经典的算法频频涌现,对于用户本身的兴趣以及用户自身的特点进行了持续和深入的挖掘。最开始用户被视为群体之中的一员,并且按照群体的属性去为用户产生最终的推荐集。但随着社会的不断发展,这样的推荐不再能够使得用户满意。在这样的情况下,个性化的推荐系统成为了研究的主流。在个性化的推荐之中,用户自身的标签不再作为唯一的参考标准,用户本身体现出来的兴趣偏好以及隐藏表露出来的兴趣偏好,成为了研究的突破地点。此外,针对用户曾经的兴趣提供推荐,也不再能满足用户对于未知领域需求的了解,这个时候,我们不光要给用户推荐熟悉的领域,用户未曾涉及的领域,也成为了我们需要考虑的研究方向。结合两种新生并且在不断演进的技术,本文提出了一种基于定位服务的推荐算法。在新的算法之中,本文通过分析定位技术能够带来的用户特征以及倾向,将这种结论进行验证,最终将这种新的特征与经典的推荐算法相结合,得出了一种崭新的推荐算法。在得出新算法之后,本文设计了实验对推荐结果进行验证,并且得出了新算法的推荐质量高于传统推荐算法的结论。