随着电子商务的广泛应用和位置采集技术的不断成熟,越来越多的用户可以随时进行签到发表自己的观点和看法,因而产生了大量的签到数据,这些签到数据主要包括带有用户情感的评价文本,地理位置(经、纬度)、签到时间等信息,签到数据信息非常具有研究价值,可以通过分析签到信息特征更好地刻画用户兴趣模型。随着用户签到信息过载问题的出现,使得推荐技术的研究受到广泛的关注,有效的推荐算法不仅可以帮助用户发现新兴趣点,还可以帮助兴趣地点商家发掘更多的潜在客户,提高商家的利益。本论文针对大众点评网美食餐厅的签到信息作为研究对象,对真实的数据集进行一系列的统计处理,从情感、空间、时间等多角度挖掘用户行为的特征及规律,分析影响用户兴趣的重要因素,根据发现的签到特征进行餐厅推荐算法的深入研究。首先,进行了融入情感标签的协同过滤算法研究,对评论语句进行分词、词性标注等句法处理,按照句法路径从签到数据的评论信息中抽取带有评论者感情的情感标签,采用基于词典的情感分析方法,在充分考虑程度副词及否定词对情感极性的影响的基础上分析用户标签情感极性。利用用户—特征情感评分矩阵计算用户间相似度,找到最相似的K个用户,根据“最近邻居”获取待推荐的候选餐厅,进行初级推荐。然后,进行了基于时空特征的餐厅推荐算法研究。主要从用户签到数据的时间特征、空间特征方面做进—步的分析。利用分析签到数据所获得的时间连续性特征和餐厅流行度特征设计了基于连续时间片的流行度估算方法,在此基础之上,利用用户位置历史特征,结合幂率函数,设计了基于流行度的用户签到位置估计方法,对相似用户提供的候选餐厅进行基于时空特征的评分预测,获得候选餐厅的时空特征分值。最后,利用线性组合的方式将融入情感标签的协同过滤推荐算法和基于时空特征的推荐算法进行融合,使它们在一个统一的框架之下,即得到本文的融合情感标签与时空特征的餐厅推荐算法,根据融合算法计算得到更加准确的餐厅推荐列表。利用爬取的大众点评数据集对融合算法设计了实验,通过平均命中个数、平均序位数以及查准率和召回率四个评测指标验证了本文提出的推荐算法的有效性。