随着互联网+的发展,大量线下服务接入互联网,信息严重过载,使用户无从选择,推荐系统应运而生。推荐系统用于解决信息过载问题,帮助人们筛选出感兴趣的信息。然而,仅仅使用推荐系统,而不考虑用户当前上下文,会给用户推荐出不符合用户实际需求的结果,本文针对为用户推荐合适的餐馆这一问题,不仅仅考虑用户的兴趣,而且考虑用户当前所处位置的实时路况信息,为用户推荐,既符合兴趣又能够使出行时间更短的餐馆。在餐馆推荐的过程中,解决了如何为用户兴趣进行建模,如何为用户所处位置的实时路况信息进行建模的问题,并构建了融合的推荐模型。另一方面,考虑到针对冷启动用户,推荐精度不高的问题,引入社会化网络,利用社会化网络中的朋友关系来为用户进行推荐,提高了推荐的精度。首先,本文分别使用基于内容过滤的推荐算法和基于项目的协同过滤推荐算法,来为用户进行推荐,得到用户对餐馆的兴趣度。然后,利用用户当前所处位置的实时路况信息,并结合各个餐馆所在商区的信息,利用百度实时路况在线服务,获取到用户当前到各个商区所需最短时间和路径,计算餐馆的实时路况支持度,最后结合用户对餐馆的兴趣度和实时路况支持度,使用融合的支持度进行餐馆推荐,实验表明,融合算法的推荐结果平均所需出行时间更短,交通越拥堵,节省时间越长,在模拟数据集上实验,推荐的准确率和召回率也略有提升。由于,协同过滤算法,在冷启动用户存在的情况下,推荐效果不佳,推荐覆盖率不高,因此引入社会化网络,利用朋友关系,使用基于项目和朋友关系的随机游走算法,来计算用户对餐馆的预测评分,进一步考虑到,在现实生活中,往往朋友们一起去餐馆就餐,因此引入基于朋友的项目相似性,在游走过程中把这种朋友间一块产生的推荐也考虑进来,实验表明,考虑朋友项目相似性的改进算法,在推荐的准确率和召回率方面略有提升。