鲜学丰,陈晓杰,赵朋朋,杨元峰 ,Victor S.Sheng

(1.江苏省现代企业信息化应用支撑软件工程技术研发中心，江苏 苏州 215104; 2.苏州大学智能信息处理及应用研究所，江苏 苏州 215006; 3.阿肯色中央大学计算机科学系,康威 72035)

1 引言

随着全球定位系统和无线通信网络等基础设施的飞速发展以及手持、车载无线通信定位设备的广泛应用，特别是众多移动社交网络的位置签到、位置共享及位置标识等功能的应用普及，位置服务与社交网络逐渐融合，形成了基于位置的社交网络LBSN(Location-Based Social Networks)。例如，Foursquare、Gowalla和Yelp 等社交应用通过移动用户的地理位置推行的签到功能，把线上虚拟社会与线下真实世界联结在一起，实现了用户位置定位的同时，还实现了位置信息在虚拟网络世界的共享与传播，从而衍生出多种多样的位置服务。

目前个性化推荐技术得到工业界和学术界的广泛关注,在多个领域得到广泛应用，比如电子商务网站为用户推荐商品，视频网站为用户推荐电影。日益成熟的推荐技术较好地解决了互联网信息过载的问题。在基于位置的社交网络中，兴趣点推荐作为热门的研究课题，旨在为用户推荐兴趣点，方便用户出行生活，并且提升平台的用户体验[1 - 6]。

在兴趣点推荐的研究工作中，用户个人偏好对推荐的结果起了主导作用。在个性化推荐领域，用户个人偏好成为了必不可少的因素[7]。一些研究工作表明，用户的时序性签到行为可以反映出人类活动的时序性模式[8]。在研究工作中得出的个性化的马尔科夫链分解FPMC(Factorizing Personalized Markov Chains)方法[9]，主要使用矩阵分解的方法。……