随着GPS技术的广泛应用和新一代信息技术的快速发展,基于位置的社交网络(Location Based Social Network,LBSN)已成为互联网应用研究重要方向。由于用户社交需求以及城市快速发展,LBSN站点上积累了海量数据,基于位置服务与社交服务为一体的LBSN平台的兴趣点(Point-of-Interest,POI)推荐成为个性化推荐研究中的热点。个性化推荐的关键在于如何更准确地获取用户偏好。相较于传统的个性化推荐对象,LBSN数据中有更多的上下文信息,这些信息为挖掘用户偏好提供了新的切入点。本文利用LBSN签到记录中的时间信息,发掘用户签到行为的时间规律,尽可能满足用户在当前时间的访问需求。同时利用LBSN中的好友关系研究用户间的信任关系,重新定义目标用户的邻居用户集合。而在衡量兴趣点相似度时利用LBSN中兴趣点的经纬度信息,优先推荐距离用户较近的兴趣点。本文的研究工作主要包含以下几个方面:(1)从时间、地理位置和社交关系三个维度分析LBSN中用户的签到记录,构建包含用户节点和兴趣点节点,以及用户-兴趣点、兴趣点-兴趣点和用户-用户三类边的LBSN异构网络,并给出异构网络中三种类型边的权值度量方法。(2)引入元路径来表征节点间关系。利用元路径的特征值计算节点的关联度。该算法考虑多种类型的节点间关系,从而丰富目标用户的有效数据,缓解LBSN中数据极度稀疏问题。(3)将基于元路径的推荐引入到群组推荐中,同时提出一种混合偏好融合策略,兼顾组员在群组中的权重以及群组偏好的差异度,并通过实验和其他融合策略进行对比,验证其有效性。