1、隨著社交網(wǎng)絡(luò)和定位服務(wù)的發(fā)展，基于位置的社交網(wǎng)絡(luò)逐漸興起。在這個(gè)信息爆炸的時(shí)代，個(gè)性化推薦算法可以有效幫助社交網(wǎng)絡(luò)的用戶過濾掉自己不感興趣的信息，更好的發(fā)掘用戶的愛好，這樣可以大大的增加用戶在社交網(wǎng)絡(luò)的活躍度。目前推薦算法已經(jīng)在傳統(tǒng)的在線社交網(wǎng)絡(luò)平臺(tái)上得到了廣泛應(yīng)用，對(duì)于基于位置的社交網(wǎng)絡(luò)來說，推薦系統(tǒng)也是必不可少的。
　　相比傳統(tǒng)在線社交網(wǎng)絡(luò)推薦系統(tǒng)，位置社交推薦系統(tǒng)引入了地理位置信息，能更好地幫助推薦系統(tǒng)發(fā)現(xiàn)用戶的喜好。目前，

2、在位置社交推薦系統(tǒng)中，推薦類型主要包括好友推薦、活動(dòng)推薦和地點(diǎn)推薦。其中地點(diǎn)推薦已經(jīng)成為了最近研究的一個(gè)重點(diǎn)。然而由于基于位置的社交網(wǎng)絡(luò)大部分的地點(diǎn)簽到的人很少，甚至有些新開發(fā)的地點(diǎn)沒有人簽到過，使得地點(diǎn)推薦算法不可避免的面臨數(shù)據(jù)稀疏和冷啟動(dòng)的問題。
　　本文對(duì)位置社交推薦系統(tǒng)進(jìn)行了廣泛的研究，介紹了基于位置的社交網(wǎng)絡(luò)的結(jié)構(gòu)、相關(guān)的推薦算法以及推薦系統(tǒng)的構(gòu)成等。同時(shí)，針對(duì)個(gè)性化地點(diǎn)推薦這個(gè)類型，深入研究了影響地點(diǎn)推薦的三個(gè)因素:用

3、戶偏好、社交因素和地理位置，并針對(duì)這三個(gè)因素介紹了三種基本的個(gè)性化推薦算法:基于用戶的協(xié)同過濾算法、基于社交影響因子的協(xié)同過濾算法和樸素貝葉斯分類。另外，本文深入分析了個(gè)性化地點(diǎn)推薦算法面臨的數(shù)據(jù)稀疏、冷啟動(dòng)和簽到地點(diǎn)距離常居地的遠(yuǎn)近這三個(gè)問題。并通過對(duì)這三個(gè)問題的分析，提出了一種改進(jìn)的自適應(yīng)地點(diǎn)推薦算法。該算法融合用戶協(xié)同過濾、社交影響因子和樸素貝葉斯分類，并適應(yīng)用戶的當(dāng)前位置，力求給用戶推薦最適合用戶當(dāng)前位置的地點(diǎn)。
　　本文