通常,人们认为个体的移动行为是随意的、偶然的且不可预测。随着移动通信技术的普及和GPS(Global Positioning System)定位技术的快速发展,获取大量移动轨迹数据成为了可能,通过对移动轨迹数据进行分析发现人类的移动行为具有一定的间断性、目的性和周期性特点,在时间、空间和社交维度上具有特定分布特征。移动位置推荐是当前研究的热点问题,对于减少移动网络服务中的冗余信息、提升用户服务质量具有重要的意义。本文首先介绍了现有移动位置推荐技术的相关方法和研究现状,分析了基于用户的协同过滤位置推荐模型URM(User-based collaborative filter Recommendation Model)和基于社交关系的协同过滤位置推荐模型 SRM(Social-based collaborative filter Recommendation Model),针对上述推荐模型在距离相似性和语义相似性方面的不足,设计了一种基于语义和距离协同过滤的位置推荐模型SDCRM(Semantic-Distance-based collaborative filter Recommendation Model),分别计算任意两个位置之间的语义相似度和距离相似度,通过对位置在语义和距离维度上进行联合聚类,得到若干个“位置群组”;进一步,将用户对位置的移动轨迹转化为用户对“位置群组”的移动轨迹,计算用户移动行为的相似性,为目标用户进行位置推荐。最后,基于社交网络Foursquare的位置签到数据,分析了用户签到行为在时间、空间和社交维度上的分布特征,验证了 SDCRM的可行性,以及在相同位置推荐列表长度下的推荐准确率。