社交网络的流行改变了人们的交流方式,越来越多的人喜欢在上面分享并获取各类信息,为了能有效地帮助用户发现其真正感兴趣的地点,出现了基于位置的社交网络(Location-Based Social Networks)的地点推荐系统。目前在这类地点推荐系统中,学术界用得最普遍的方法是通过用户的历史签到记录寻找相似用户来进行协同过滤推荐,然而由于用户签到数据存在严重的稀疏性问题,相似用户的识别一直很困难,导致已有的地点推荐方法效果都不好。本文认为现有的推荐方法的最大问题在于忽视了地点本身的语义信息而无法识别出“同义地点”,因此新提出了一种对相似地点进行聚类的方法来缓解数据的稀疏性问题并提高相似用户的识别率,其中地点的相似性同时考虑了地点的标签、分类语义信息和距离多种因素,并据此使用了三种地点相似度计算的聚类推荐方法：(1)单重语义和距离联合聚类推荐,(2)双重语义和距离联合聚类推荐,(3)基于地点的协同过滤相似度聚类推荐。然后,本文又从隐主题分析的角度对用户的活动行为进行分析,在隐主题空间上识别相似用户,并结合传统的协同过滤方法进行地点推荐。最后,本文通过实验证明了地点聚类和隐主题分析推荐两种推荐方法是有效的,其中双重语义和距离联合聚类推荐效果最好。