随着无线通信和位置采集技术的进步,加上具有定位功能的移动设备越来越受欢迎,使人们很容易在传统的社交网络中引入位置服务功能。LBSN(基于位置的社交网络)的普及为我们展现了一个新的平台,可以通过历史签到位置了解用户的行为和偏好。对LBSN用户好友和地理位置推荐的研究中存在用户位置信息复杂且无效数据多、用户相似性计算方法单一、用户位置矩阵稀疏带来推荐效果不佳等这些问题。本文依托“新媒体互动广播系统”项目,基于媒体服务的社交网络平台,并且在引入位置元素后具备了基于位置的社交网络的特性。以此项目为背景进行数据预处理,分析数据,挖掘数据,最终实现用户好友和地理位置的推荐。本文主要研究内容如下:1.数据预处理算法:该算法主要针对用户位置信息复杂且无效数据多的问题,对原始数据进行预处理,剔除无效数据与离群点数据。2.相似性度量:为了丰富相似度计算方法,分别提出了信任度、兴趣度、偏好度的概念。信任度是基于社交关系上的亲密度;兴趣度是基于用户共同签到过的地理位置来衡量两个用户在地理位置上的兴趣相似性;偏爱度根据用户以往签到过的位置本身的语义信息来学习用户的个人喜好。3.好友推荐:针对用户数据具有区域性的特点,本文结合地里位置信息和用户关系,以历史签到位置的相似性和用户社交关系的相似性作为用户相似性的度量指标,提出了基于兴趣度和信任度的好友推荐算法。4.位置推荐:针对位置推荐的冷启动和用户位置矩阵稀疏的问题,在基于偏好度推荐和基于用户信任度和兴趣度推荐的基础上给出组合推荐算法。组合位置推荐算法有效的将用户信任度和兴趣度、偏爱度引入位置推荐中。经试验表明,本文给出的推荐方法具有更好的推荐效果,并将该方法应用到新媒体互动广播系统项目中。