随着社会的发展,社交活动已经成为了人们生活中不可或缺的重要部分,然而,在大城市的人们居住的地方相隔甚远,而各自的偏好又有所不同,繁忙的工作也使每个人的时间安排有所差异,这些都使得人们在选择聚会场所时往往会遇到各种各样的问题。理想的活动场所应该既能够满足大家的偏好,又能够在满足大家时间安排的同时使得所有用户到达的时间相近。因此,如何根据小组的特点,综合考虑上述因素,产生最优的出行场所就成为了重点需要研究的内容。在本文分析研究了小组出行时需要考虑的几个方面因素,分别是用户的偏好、时间、距离以及小组的组成关系,并在此基础上提出了基于图论的组推荐算法。针对现有推荐系统中评分预测算法的不足,本文提出了层次协同聚类算法以及融合群组共性与个性化偏好的缺失评分预测算法,通过上述方法构建的全评分模型能够很好的预测用户对于物品的缺失评分。鉴于小组在出行时所遇到的时间约束和距离约束,本文设计了基于时间约束的物品筛选算法,利用通过筛选的物品构建用户与物品的二部图,并对二部图进行融合偏好与青睐度的一维投影。最后,本文在用户投影图上求解最小生成树,对得到的路径利用基于权利的HITS迭代推荐算法获得最终的推荐。通过多次实验分析,本文提出的各算法能够在一定程度上优于现有的算法。本文以提出的算法为基础,设计并实现了完整的用户聚餐推荐系统,分为离线训练和在线推荐两部分,面向用户完成建组、推荐以及展示等相关功能,并且能够通过离线的训练使用户快速准确的在线获取推荐结果,并通过多项实验证实了该算法在真实系统的可行性。