目前，互联网上的线上社交网络的研究已经很成熟，物理世界中的线下社会交往也是社会学中的研究热点，因此对线上社交网络和线下物理世界结合起来的异构网络的研究就变得非常有意义，如越来越流行的基于位置的社交网络（Location Based Social Network），它是一个通过位置信息理解用户行为和偏好的新平台。本文主要研究基于位置的社交网络，从人们的活动具有一定的规律性出发，通过位置的语义信息，也就是种类信息，来描述用户活动的这种规律性，推荐与用户活动规律相符合的个性化路径。本文考虑位置的语义信息，由于同时使用位置的地理信息和语义信息能够更好的描述用户的活动情况，本文对用户的原始活动轨迹进行处理，将用户轨迹表示成地理空间的位置轨迹和对应在语义空间的种类轨迹，并得到用户在不同位置种类下的经验值，建立用户模型。在此基础上，从用户的种类轨迹中挖掘能够体现用户活动规律的个性化信息，本文定义为活动模式，根据用户模型计算用户相似性，从相似性高的用户中选择与特定用户活动模式相匹配的候选路径，通过打分策略，综合考虑了用户自身的活动模式、用户的整体相似性、用户在不同种类下的相似程度以及位置在其所属种类下的流行度，将得分最高的几个路径推荐给用户。本文定义的活动模式是在语义空间的，这种考虑位置语义信息的方式与传统方式相比,在用户指定一个陌生的区域时也可以进行推荐。本文使用的实验数据是GeoLife上收集的真实数据和包含北京60%POI的数据集。实验结果表明35%左右的用户存在活动模式，因此进行个性化路径推荐是有意义的。本文提出的个性化路径推荐算法在准确率、K-覆盖率和召回率上，都高于传统的基于余弦相似性的推荐算法。