近年来,随着互联网技术的快速发展,网络定位技术得到极大的完善,互联网社交中出现了基于位置的社交媒体,基于位置的社交可以获取到用户位置信息和好友的位置信息等,有效的推动了社交网络的发展。生活中越来越多的用户使用社交平台来分享和获取地点信息,随着用户分享次数的增加,社交媒体上积累了众多的用户位置信息,如何有效的利用社交定位信息成为研究者的一个关注点,许多学者展开了对基于地理位置的用户个性化推荐进行了研究。人们在使用社交网络的过程中产生了大量的数据,这些数据包含了大量的用户信息,包括用户的行为信息和偏好信息,可以通过这些信息来为用户提供个性化的基于位置的服务,如兴趣点(POI)推荐。有效的利用用户的定位信息,针对性的对用户做出准确实时的推荐,可以在满足用户需求的同时,也能大大的增加用户在社交网络中的活跃度,使用户更多的参与到社交网络中。与传统的在线社交网络相比,基于位置的社交网络在加入地理位置信息后能够更准确的帮助推荐系统发现用户的喜好和兴趣。在当前的众多社交位置推荐系统中,主要包括好友推荐、活动项目推荐以及地点推荐。而其中地点推荐也成为研究的一个重点。目前,在众多的基于位置的推荐方法研究中,冷启动问题一直是一个无法回避的问题。本文提出一种新的推荐机制,基于区域活跃用户进行推荐,通过用户的位置信息,计算出用户所在区域内的活跃用户,然后将活跃用户在该区域的签到地点推荐给用户。该推荐机制在一定程度上解决了冷启动问题。在地点推荐算法的研究中,很多的推荐算法并未考虑到时间因素,而时间在推荐过程中是一个重要的考虑因素。本文提出的推荐方法不仅仅考虑当时用户所在的位置信息,还考虑当时对用户进行推荐的时间信息,推荐更具实时性,也更具准确性。同时,本文将位置推荐中两个重要的因素考虑进去,一个是位置的流行度,一个是好友关系的影响。分别研究了基于位置流行度的位置推荐和基于好友关系的位置推荐。最后,将基于区域活跃用户的推荐和基于位置流行度的推荐以及基于好友关系的位置推荐融合得到混合模型,使得推荐效果更佳。本文通过具体的实验对论文提出的算法进行了验证,通过Precision,Recall和F-Measure这三项指标来对算法效果进行评估,实验结果证明所提出的算法具有较好的推荐效果。