随着通信技术的高速发展和移动智能终端功能的日益完善,位置服务与移动新闻推荐逐渐融合,形成了基于位置的移动新闻推荐服务。该服务将用户的位置与阅读偏好关联起来,能够更加准确的描述用户的阅读兴趣。由于基于位置的移动新闻推荐存在数据“稀疏”和新位置“冷启动”问题,导致推荐效果不佳,针对这几点问题,本文做出以下改进:1.引入位置上下文信息。用户的阅读兴趣与所处位置密切相关,引入位置上下文能够细化描述用户的阅读兴趣,从而提供更准确的推荐,提高用户阅读体验。为此提取用户阅读新闻留下的位置信息,通过聚类分析,建立相应位置的阅读兴趣模型。2.提出三维相似度算法。为解决新位置“冷启动”和评分数据“稀疏”问题,提出一种三维相似度算法,即轨迹-属性-偏好三维相似度。三维相似度算法能够充分使用用户信息,提高相似用户计算的准确性,解决评分数据稀疏问题;当用户处于新位置时,可以通过系数设定,将三维用户相似度算法降为二维相似度算法,即轨迹-属性,解决新位置“冷启动”问题。3.建立DLR(Diversity news Location-Oriented Recommendation model)推荐模型。使用基于内容的推荐为用户建立长期阅读兴趣模型,使用基于三维用户相似度算法的协同过滤推荐为用户建立多样性阅读兴趣模型,将两种推荐模型融合提出DLR。该模型在满足用户对个性化需求的同时,能够增加推荐结果的多样性。