近年来,人们越来越依赖智能移动终端实时获取和分享信息,随着全球定位系统和通信技术的发展,基于位置服务的社交网络日益受到用户欢迎。位置社交网络中含有着丰富的用户和项目资源,成为了用户在线寻找项目信息的主要渠道,同时产生了海量而又丰富的地理位置信息。针对该类信息抽取用户兴趣,并根据用户的特点推荐特定的信息,成为了当前“信息过载”亟待解决的问题。本文将总结目前该领域的研究成果,融合多源异构化信息,在研究位置社交网络传播过程的基础上,设计融合多源异构化信息的个性化信息推荐算法,以期进一步促进用户、商家、服务提供商等利益相关者的效用和效益最大化,进一步优化和创新个性化服务算法。本文以位置社交网络的异构化地理信息为研究对象,在研究位置社交网络中用户对地理信息传播的影响因素基础上,重点对该网络信息环境下个性化信息推荐模算法研究。首先,论文介绍了研究应用背景和学术背景,确定论文的研究内容,确定了位置社交网络中信息内在传播规律进而设计信息推荐算法的研究思路,并明确论文的研究重点和研究难点。然后,本文借助传染病动力学研究位置社交网络中地理信息的内在传播过程,考虑了用户偏好阈值和关系动机对信息传播的影响,并采用仿真模拟的方法量化地理信息传播过程,得出用户倾向于传播偏好信息,关系动机影响较弱。借助线性阈值模型的“累积效应”具体分析了影响用户偏好的多源异构化地理信息,并理论证明了各特征因素的影响权重。其次,本文借助向量空间模型模型化多源异构化地理信息,并借助贝叶斯理论学习多源异构化地理信息各特征因素的影响权重及用户偏好。最后,本文采用经典的协同过滤推荐模式,融合地理传播圈、多源异构化地理信息等重新设计推荐算法,分别建立基于用户的Multi-U-CF模型与基于项目的Multi-I-CF模型,并通过均方根误差、准确率和覆盖率三种推荐结果评价指标,在Foursquare公开的数据集验证本文算法,实验结果表明本文算法较传统的推荐算法与用户偏好的实际结果更吻合,从而在一定程度上优化了个性化信息推荐模式,并为解决位置社交网络的“信息过载”问题提供指导方案。此外,论文研究结果表明通过将位置社交网络的信息传播过程与信息推荐研究相结合,更好地理解了该网络环境下的信息传播规律,进而为个性化信息推荐模式的设计奠定良好的理论基础。