随着互联网在全世界的普及,网络已经成为人与人之间沟通,获取信息最重要的桥梁。为了满足人们对信息交流的需求,社交网络应运而生。为了不断提升用户的相关体验,并使得用户在海量的网络信息面前可以高效的找到符合自己兴趣偏好的内容,个性化推荐系统被相关学者研究出来。但是在目前主流的基于位置的社交网络(Location-Based Social Network)中,大部分个性化推荐算法偏向于对用户的单点推荐,即各个推荐POI(Point of Interest)点间没有任何联系,或者只是简单的打分排序,这种推荐具有空间局部性,更不能满足用户多变化的需求。本文研究的主要内容是POI群推荐算法,更加侧重于推荐结果之间的关联性,主要包括以下四个方面:首先,本文提出了挖掘城市热点区域及用户潜在生活热点区域的方案,通过分析该城市用户的历史签到数据,找到该城市的城市热点区域,对于城市的规划和建设具有极其重要的最用,并方便城市规划者从全局上掌握城市的发展。用户潜在生活区域的获取,可以帮助目标用户更加准确,高效的找到自己所喜好的位置范围和位置信息。其次,本文提出了目标用户本地生活模式及异地生活模式获取的方案,通过使用关联规则及主题模型等相关技术,获取用户的生活模式,得到符合用户生活习惯的POI种类转移序列的集合,使得推荐的结果之间更加具有关联性,并加入了当地用户的生活喜欢,保证了异地推荐结果的灵活性以及准确性。之后,本文提出了用户个性化POI群的获取方案,结合以上两个方面,在得到用户潜在生活热点区域与用户的生活模式后,通过将POI种类映射到用户潜在生活热点区域中具体的POI位置上,将得到的POI种类转移序列集合转换为POI位置转移序列集合,得到最终的推荐结果并对用户进行推荐。本文对该推荐结果进行了验证,当用户在异地进行长期生活活动时,该推荐结果得到了较好的推荐准确度,实验数据使用的是Four Square数据集加利福尼亚州部分用户数据。最后,本文搭建了推荐系统的相关展示平台,将城市POI信息,用户潜在生活区域,用户个性化推荐结果等信息展示在页面上。