随着社会化媒体技术的发展,特别是位置获取技术,基于社会化媒体的轨迹挖掘和路径推荐变得越来越流行。原始采集的位置数据并不能准确的记录物体真实位置,如何准确地将GPS轨迹映射到道路上,对于许多依赖位置数据的应用极其重要。目前存在的轨迹数据路网匹配方法在精确度上并不能满足实际应用需求,特别是在低采样率和有噪声数据的环境下,目前的方法几乎不能工作。个性化路径推荐旨在推荐用户感兴趣的路径,在多元社会化媒体背景下,如何利用多元社会化媒体数据,对用户兴趣进行建模和理解用户实时意图是个性化路径推荐的一大挑战。本课题将主要研究轨迹数据路网匹配和多元社会化媒体环境下的个性化路径推荐。针对轨迹数据路网匹配,我们在多信息融合的基础上,提出一个模型来刻画运动物体的状态。基于该模型,提出一个轨迹数据路网匹配方法IF-Matching。在实际应用中,该方法可以处理许多现存方法不能处理的情况,比如低采样率。最后,我们在真实的城市道路数据集上评估了该算法。相比于之前典型的方法ST-Matching和GIS Cup 2012比赛中的轨迹数据路网匹配冠军方法,IF-Matching可以得到更加好的匹配结果。针对个性化路径推荐,我们利用Topical Package Model去表达用户兴趣模型和路径旅游属性,利用LSTM(Long Short-Term Memory)对用户输入进行位置增强。在度量空间中,排序后的路径被返回作为推荐结果。在真实数据集上的实验结果表明,相比于其他两个算法,我们提出的算法可以得到更好的推荐结果。