随着互联网产品和服务的快速发展和多样化,以活动为主的社交网络(Event Bsaed Social Network,EBSNs)也得到了快速的发展。在EBSNs社交平台上频繁产生着大量的各种各样的活动,用户经常难以从这些活动中选择合适自己的活动,因此基于活动的社交网络的活动推荐问题被广泛关注和研究。但是为用户进行准确的活动推荐仍然面临许多挑战:EBSNs中的活动大多都是由一些用户共同参加群体活动,因此会产生兴趣相似的群体用户,为群组用户进行活动推荐时需要权衡群组内各成员的不同偏好特征;活动的内容和丰富的属性特征是影响用户决策的重要因素。但传统的群组推荐大都很少综合考虑多个特征因素从群组的角度挖掘多元情景对群组偏好的综合影响。为了解决以上问题,本文基于EBSNs中的上下文信息和群组对活动的行为偏好,提出了新的群组活动推荐模型为群组进行活动推荐,在豆瓣数据集上验证了模型有效提升了推荐的性能,最后基于本文提出的模型设计并实现了一个同城活动推荐系统。本文具体内容如下:(1)提出一个融合标签特征和核函数的群组活动推荐模型(TGRec-kernel)。该模型主要利用核函数将群组和活动标签特征进行高维语义扩展,改进群组标签偏好与活动标签特征的相似度计算方法,相比于传统模型,能更准确的建模群组对活动的兴趣偏好。(2)提出一个基于社交关系和地理位置因素挖掘兴趣好友的群组活动推荐模型(FN-PMF)。该模型充分利用群组成员的社交关系和参与活动的地理位置因素挖掘兴趣好友,利用兴趣好友产生候选活动进行群组与活动的局部偏好建模,同时利用矩阵分解模型对群组偏好进行全(?)建模,在豆瓣数据集上验证了该模型能获得较好的推荐性能。(3)提出基于时空上下文中动态行为偏好的组推荐模型(DP一GPPMF)。该模型基于TGRec-kernel模型综合考虑群组对活动和标签特征偏好随时间的变化、活动时间以及地理位置特征等群组动态行为偏好,在豆瓣数据集验证了该模型在准确率和归一化累计折损增益率两个评价指标上有了较为明显的提升,并且能在一定程度上缓解活动的冷启动问题。(4)基于FN-PMF和DP GPPMF两个模型设计并实现一个同城活动推荐系统。该系统包括活动信息和用户功能模块,通过对活动的标签、时间、地理位置和社交关系等特征数据的提取进行活动推荐,并利用兴趣标签缓解用户冷启动问题。系统利用了主流的web网站开发框架和Restful设计风格进行设计和实现,并对系统的功能和性能进行了测试。