张国明，王俊淑，江 南，盛业华

1. 南京大学计算机科学与技术系，江苏 南京 210023； 2. 江苏省卫生统计信息中心，江苏 南京 210008； 3. 南京师范大学虚拟地理环境教育部重点实验室，江苏 南京 210023； 4. 江苏省地理信息资源开发与利用协同创新中心，江苏 南京 210023

随着智能手机的普及，以及Web2.0和定位技术的发展，地理位置信息在人们的生活中发挥越来越重要的作用。位置服务(LBS)与在线社交网络(OSN)相结合的基于位置社交网络(location-based social network,LBSN)[1]迅速兴起。用户可以在访问关注点(如超市、餐馆、景点、酒店等)的同时进行签到。利用海量签到数据能够挖掘用户的访问偏好，帮助用户决策，催生了基于位置社交网络的个性化关注点推荐。关注点推荐不仅可以帮助用户探索新的区域和发现新的关注点，也可以通过智能位置服务为商家增加收入，近几年来吸引了学术界和工业界越来越多的关注[2-4]。

推荐系统是缓解信息过载的重要方法，得到了广泛的研究和应用[5-8]。与传统的推荐系统相比，关注点推荐更加复杂。除了用户偏好、地点属性之外，还需要考虑距离、时间、社交、类别、流行度等多种信息[9]。相对于传统推荐系统中的用户-物品矩阵，用户签到矩阵具有更高的稀疏度[10]。位置信息是LBSN中最重要的一个特征，目前大部分推荐研究仅利用了位置信息的某个方面，位置上下文信息没有被充分利用。此外，现有关注点推荐算法对用户访问偏好的时空变化情况考虑不足。针对上述问题，本文提出一种基……