随着社交网络的不断发展,出现了一种新颖的异构社交网络:基于活动的社交网络(Event Based Social Network,EBSN)。为了应对EBSN中出现的“信息过载”问题,活动推荐系统的研究被提上了日程。不同于其他类型的推荐系统,EBSN的特性使得活动推荐系统面对许多问题:由于活动自身所固有的内序性,群组参与活动的偏好会不断迁移;不同用户对活动距离的敏感程度是不同的,这较大的影响了用户的活动参与行为。为了解决以上问题,本文设计并实现了一个活动推荐系统,主要研究内容如下:(1)针对现有的活动推荐模型大都忽略了活动之间固有的潜在关系的问题,提出了一种基于偏好迁移的群组活动推荐模型。该模型充分利用用户的历史活动参与信息,对提取出的用户偏好、群组主题等信息进行建模,然后使用吉布斯采样算法生成主题模型,再后利用用户参与活动的偏好迁移现象计算出各活动的偏好迁移系数,最后结合推荐模型计算出各候选活动的评分并对候选活动进行排序,以此完成Top-N推荐。(2)针对现有活动推荐模型对活动地点信息利用率不足的问题,结合用户对活动距离不同的敏感程度,提出了一种基于距离感知的群组活动推荐模型。该模型使用聚类方法按照经纬度信息将活动聚类为若干个区域,把用户的活动参与记录中各用户对活动距离的敏感程度作为特征,并结合活动的其他上下文信息进行建模,再通过计算各候选活动与待推荐用户模型特征的余弦相似性来得出活动评分,以此完成Top-N推荐。(3)提出了一种基于偏好迁移和距离感知的活动推荐模型,将活动的区域信息加入到主题模型中,并通过吉布斯采样算法训练模型,然后利用活动之间所固有的潜在关系,以此来影响推荐模型并计算活动评分,进而提高推荐准确率。在公开数据集上进行实验测试,结果表明该算法取得了更好的推荐效果。(4)根据以上提出的模型设计并实现了基于偏好迁移和距离感知的活动推荐系统。该系统可以充分挖掘活动之间的潜在关系,充分满足用户的活动参与需要,高效地将推荐结果展示给用户。