目前,随着移动互联网时代的到来,相关技术的不断发展以及移动智能设备的不断普及,基于位置的社交网络(LBSN)这种新的社交网络服务逐渐形成。由于移动计算和无线网络技术的进步,LBSN的用户可以在移动过程中相互分享位置相关信息,使得其涵盖的数据不断增长,并且随着LBSN的快速发展,其相关技术也逐渐得到研究学者的关注,从而使得该领域成为热门研究方向。本文主要研究工作是基于学位攻读期间,面向LBSN的兴趣点推荐系统项目,其中两部分工作为本文主要研究内容,包括:激励机制和兴趣点推荐算法,而项目中的数据融合工作并非本文研究内容,具体研究工作总结如下:(1)分析基于位置的社交网络推荐系统的国内外研究现状,探讨几个较为典型推荐方法的研究思路和优缺点,为本文后续的研究工作提供理论基础;(2)针对群智感知中的激励机制进行了研究,通过研究发现激励方法可以促进用户参与到推荐系统活动中,然后本文基于移动众包以及报酬支付激励方式,提出一种基于逆向拍卖的激励机制框架,改进并提出BARIM算法,从而激励用户更多地参与到兴趣点推荐系统中,改善用户数据的稀疏性问题;(3)针对兴趣点推荐效果被时间、社交和距离因素影响的现象,本文对这三个因素进行了全面的分析,并提出相应的问题解决方法,通过将几个影响因素进行融合,最终提出一种多维度影响因素融合的兴趣点推荐算法,从而使兴趣点推荐系统效率得到显著提升。本文实验研究数据集,均从目前较为流行的基于位置的社交网站Foursquare,Whrrl获取,在这些数据集上,本文将提出的推荐算法与目前较为典型的算法进行比较分析,最终表明,无论是在准确率还是召回率上均表现出最好效果,证明该方法的有效性与可行性。