近年来，用户对智能化、个性化的位置服务的需求促进了服务模式和各类基于位置的社交网络软件应用的多样化，促使了位置推荐系统研究的目标及内容等方面发生转变，越来越多的关于位置推荐算法和应用的研究应运而生，旨在解决信息过载问题，提高推荐精度，满足用户个性化、智能化的服务需求。虽然位置推荐在理论和实践上都得到了发展，但是由于缺乏复杂上下文环境下的用户行为的深度挖掘，推荐系统在性能和质量仍存在提升空间。因此，如何充分利用多种上下文信息更加精确的建模用户的行为偏好，向用户推荐感兴趣的位置或活动，是提高推荐性能和用户体验的关键问题之一。本文分别以位置社交网络中的3种推荐对象为例，结合丰富的上下文信息，解决推荐过程中的数据稀疏性和推荐性能不高的问题，内容如下：

(1) 从地理、时间、类别和社交特征等方面利用统计学和空间分析方法对用户签到特征进行分析，从而得出用户的活动偏好和签到模式。在签到数据集的试验分析表明，用户在位置社交网络中的签到行为受地理、时间、类别和社交等上下文信息的影响，并与其所处时空上下文紧密相关，为个性化位置推荐方法的设计提供支持。

(2) 顾及地理和社会信息的兴趣点推荐方法。针对二维密度估计无法解决因带宽过大或离群点而难以准确的找出用户偏好区域的问题，通过优化带宽计算方式，对每个用户在经纬度坐标上的二维签到概率分布建模；提出一种综合社会影响模型全面评估社会信息对用户签到行为的影响，考虑朋友之间的社会紧密度和社会关系。最后通过用户偏好、地理影响和社会影响的线性融合，实现基于地理和社交信息的个性化兴趣点推荐。该方法基于协同过滤思想，利用地理和社会信息改善了用户签到数据的稀疏性，提高了兴趣点推荐的精准度。

(3) 顾及地理和类别信息的兴趣区域推荐方法。现有兴趣区域推荐方法获得的用户感兴趣区域的边界是任意的，可解释性不强。本文提出以城市街区数据作为预设划分结果，基于用户在兴趣点的签到信息获得用户的区域签到；基于路网距离和区域类别相似性对空间偏好和类别偏好分别进行个性化建模。通过融合地理偏好和类别偏好实现基于地理和类别信息的个性化兴趣区域推荐。在真实数据集上的试验表明，该方法具有较高的精度，对用户感兴趣城市街区的推荐和预测具有一定的意义。

(4) 时空上下文感知的兴趣活动推荐方法。对用户的活动偏好建模需要处理高维数据，且通常存在数据稀疏问题。通过构建用户兴趣区域融合用户空间活动偏好和时间活动偏好，在空间偏好模型中通过构建规则格网挖掘用户的兴趣区域并推理用户空间偏好；在时间偏好模型中构建稀疏三维张量，采用非负张量分解方法推断用户时间活动偏好。基于用户当前上下文融合空间和时间活动偏好模型，挖掘用户、时间、活动、位置之间的潜在关系，向用户推荐其可能感兴趣的活动类别。该方法考虑了签到数据的稀疏性，对用户感兴趣活动的推荐和预测具有一定的意义。