随着移动互联网的快速发展、智能终端的迅速普及,个性化推荐技术的不断成熟,基于位置的推荐服务已经逐渐融入到人们的日常生活中。同时,人们通过各种移动智能设备分享的时空信息,通常是由用户的兴趣驱动,所以将用户的时空信息转化为轨迹模式,从这些轨迹模式中挖掘用户间的相似性,进而实现更加精准的推荐服务。本文着眼于移动终端上的位置信息,研究了现有的个性化推荐技术。针对目前各种主流位置服务推荐算法的优缺点和使用场景,改进了原有的语义轨迹中的停留点提取算法,实现了更为准确的挖掘用户轨迹中的停留点语义。同时,在传统的轨迹相似度基础上,增加新的语义点匹配条件,改进了用户相似度的算法,并通过信息检索中的评价标准对算法性能评价,评价结果表明改进算法在推荐的准确率上得到了提升。本文在推荐系统中采用组合推荐引擎的方式实现,实现了包含基于人口统计学推荐和基于用户语义轨迹相似度推荐两种算法的推荐系统。根据不同的推荐场景,切换推荐算法,有效的解决了用户冷启动的问题。最后针对系统的功能需求,设计实现了完整的功能模块。论文工作通过真实的用户连接WiFi热点的位置记录数据集进行实验验证。验证结果表明,本文提出的基于用户签到轨迹的推荐系统,在准确度和稳定性等几方面的性能表现更加优异。