大数据应用在当下的不断发展,使得用户越发深刻地体会到了大数据技术带来的生活便利。与此同时,为用户提供个性化服务所需要的位置信息变得尤为关键。随着社交媒体的兴起和受众人群的不断扩大,其中产生的数据量也与日俱增。在如此庞大的社交媒体数据中,蕴藏了很多用户的潜在位置信息。如何从中获取用户的大致位置,成为了一个热门的研究领域。研究者们从不同的角度对繁杂的社交网络文本,图像等数据进行分析和研究,为基于社交网络的地理位置预测任务打下了坚实的基础,其中很多模型已经取得了较好的预测效果。本论文围绕基于社交网络的地理位置定位技术展开研究,针对社交网络数据预处理,定位预测中的关键问题以及系统的搭建部署,提出了解决方案。现有的基于社交网络的地理位置定位方法大多对于文本特征的挖掘缺乏广度,并对于文本特征和网络特征的融合程度较低。本文结合前人的工作经验,提出了基于多视图下的社交网络地理位置定位方法,主要工作与创新点如下:(1)对于用户发表的文本信息,从多个角度,进行多层次的数据清洗,并结合多视图学习的思想,通过多个角度对其进行特征提取,构筑包括词视图,句视图和主题视图在内的三大文本视图特征。(2)在模型构建上,应用新型的图数据处理技术——图卷积神经网络和图注意力神经网络,将文本视图特征和由友谊图构建的网络视图特征进行充分的融合,经过训练之后的结果已经达到了目前的最优水平。(3)将训练好的模型整合在了基于Web端实现的地理位置预测系统中,该系统采用RESTful的设计风格,在开发阶段可以实现前后端分离开发,在应用阶段,可以为用户提供API接口,充分满足了用户的服务应用需求,并且该系统通过了压力测试,能够为用户提供可信,可靠的预测服务。