近年来,随着移动定位技术的成熟和位置社交网络的广泛流行,产生了各种各样基于位置社交网络的应用。由于相关的位置推荐技术可以从位置社交网络中用户轨迹数据提取用户行为模式和兴趣偏好,因此愈加受到广泛的关注和研究。位置推荐技术广泛地应用于旅游路线推荐、位置导航等领域,然而目前多数基于位置社交网络的位置推荐方法对用户个人偏好提取不准确,而且对社交网络中用户间信任关系定位不准确,从而造成推荐准确率低,用户体验效果非常不好。因此,基于位置社交网络的新推荐方法的研究迫在眉睫。为了高准确性地实现位置推荐,本文以传统的位置推荐理论为基础,结合位置社交网络的特点,设计了特殊的用户偏好存储结构—分类层次树(WCH-Set),并基于该结构将个人偏好与用户间的信任关系结合起来,使得高准确率的推荐成为可能。本文的主要贡献如下：首先,针对位置社交网络的数据特点,提出对位置社交网络建立数据模型的具体方法。将所有的用户数据按照用户所在城市进行分类,将位置按照其主要功能采用二级层次类别标记等。其次,提出三个离线数据处理算法,分别用于提取用户背景知识、用户间信任度和用户个人偏好。其中对用户个人偏好建立了WCH-Set分类层次树,高准确率的提取用户个人兴趣偏好。再次,提出候选专家选择算法,算法集成用户个人偏好和用户间信任度选择辅助推荐的用户。该算法不仅满足时间上的需求,而且还满足用户的Top-k位置推荐。最后,提出用户偏好层次树的相似度计算方法,并结合User-based推荐理论,给出最终的位置推荐方法。通过理论分析和实验评估,证明了本文提出的位置社交网络中集成信任和个人偏好的推荐方法符合理论上的可行性和操作上的正确性。