近年来,随着移动智能终端的普及和互联网技术的高速发展,人们上网的方式慢慢从传统的PC端过渡到以移动终端为先的世界里。传统的社交网络通过与定位技术相结合,进而形成了基于位置的社交网络(Location-Based Social Networks,LBSN)。基于位置的社交网络平台允许用户随时随地在自己目前所在位置进行签到,并把包含地点信息的签到评价分享给社交好友。该平台可以利用用户的签到数据挖掘他的兴趣爱好,并帮助用户发现感兴趣的商家或者地点,同时商家也可以利用该平台进行在线宣传与推广。本文通过对基于位置的社交网络中的位置推荐进行了相关研究,主要的成果如下:1.本文通过对用户的签到空间分布进行研究,提出了一种基于用户签到空间聚类的兴趣点推荐算法。该算法根据兴趣点所具有的行政区域信息,并结合用户在城市的签到分布特征,设计了一个空间聚类算法;然后,根据每个用户签到兴趣点在聚类子集的分布情况,并融合用户偏好、社交关系以及用户评分等信息为用户进行兴趣点推荐。实验结果表明,本论文提出的改进策略是有效的,提高了推荐准确率和数据的可扩展性。2.为了解决位置推荐中的可扩展性问题和数据稀疏性问题,本文提出了一个基于用户兴趣和地理因素的兴趣点推荐算法。该算法首先通过自适应带宽的核密度分布、朴素贝叶斯算法以及兴趣点的流行度挖掘用户的地理偏好,并根据地理偏好模型筛选出一部分候选推荐兴趣点;然后,为了克服协同过滤算法的数据稀疏性问题,结合用户签到相似性、类别信息和用户信任度构建用户偏好模型进行兴趣点推荐;最后,使用Yelp数据集进行实验分析,结果表明本文所提出的用户兴趣和地理因素的兴趣点推荐模型取得良好的推荐效果。