在基于地理位置的社交网络中,POI(Point-of-interest)推荐系统利用虚拟网络的签到功能来鼓励人们分享他们在实际中的地理位置信息以及生活乐趣。最新的POI推荐算法将推荐地点的相关性和多样性融合在了一起。对于某一目标用户而言,相关性体现了被推荐的POI集合与他的真实偏好的接近程度,而多样性从另一个角度量化了被推荐的POI集合包含种类的多少。相关性越强说明POI越符合用户的口味,多样性越高说明该POI集合的趣味性越大。然而,在推荐过程中,前辈们只是人为设置了一个平衡因子将二者放到了一个计算框架之内,该平衡因子一旦设定便不会改变,因此对于这两个因素的有机结合仍然不足,尚存在提高的空间。例如,当目标用户第一次来到一座城市并且希望尽可能地了解这座城市,那么为他做推荐的时候应当侧重于考虑POI推荐集合的多样性以期提供更为丰富的位置信息。在本篇文章中,其主要贡献如下:(1)本文分析了用户访问POI种类数的习惯,发现其变化近似服从于边际效用递减规律,这为之后的研究工作提供了方向;(2)本文提出了一种方法,该方法能够根据用户的偏好自动调整POI相关性和多样性的权值,其工作重心放在了探索参数值和POI种类数的函数关系;(3)通过研究相似用户关于POI种类数的签到行为提出了改进策略,进一步提高了函数拟合的效果;(4)本文基于5个真实数据集进行了一系列的探究实验,结果表明了本文所提出的方法能够很好地平衡这两个因素,从而提高了推荐的效果和质量。