位置社交网络的广泛使用使得通过兴趣点推荐能够获得更好的基于位置的服务。个性化的地理位置推荐不仅可以帮助用户探索新的地方,还可以使LBSN更加普及、吸引更多用户。在LBSN中,地理影响在兴趣点推荐过程中被重点关注,因为地理邻近度显著影响用户的签到行为。尽管地理上对用户的影响应该是个性化的,但目前的研究主要以通用的方式建模所有用户签到行为的地理影响,即这些用户的签到行为被抽象为一种统一模型。但是,由于用户的兴趣爱好,工作收入,业余时间长短等都各不相同,实际上用户签到行为的地理影响是独特的。同时,位置社交网络中包含了丰富的好友关系,这些“好友”都有助于提供位置推荐结果。本文主要从基于个性化用户移动轨迹的地理关系和基于朋友圈的好友关系中挖掘用户的个性化偏好。论文的主要研究内容如下:1)本文提出了利用个性化地理影响进行位置推荐,即采用核密度估计方法将用户移动轨迹建模为个性化的分布,而不是针对所有用户的通用分布。通过根据核密度估计方法从用户的历史移动轨迹中学习一个独立的距离分布,探索用户签到的位置轨迹对兴趣点推荐的个性化地理影响。2)本文提出了利用三种好友关系(社交好友、位置好友和邻居好友)和基于用户的协同过滤方法为用户推荐兴趣点,这三种好友关系通过预先定义,表现了用户在位置社交网络中三个方面的影响因素。用户之间的好友关系可以用来提高推荐技术的有效性,其主要思想是利用朋友之间携带的信任和兴趣相似性来增强个性化搜索和推荐。为了评估算法的效果,本文利用Foursquare签到数据集结合当前的流行算法设计了对比实验。实验结果表明,基于地理关系和好友关系的融合推荐算法可以有效提高推荐的准确率和召回率。