随着社交网络广泛应用,人们每天在社交网络上发布信息和交友。社交网络上的用户信息包括个人隐私类信息(护照号码和银行账号等)和非隐私类信息(购买记录,网页浏览记录等)。用户在社交网络上的行为可以体现其性格、偏好等特征,因此大部分的社交网站都是基于用户的上网信息来挖掘用户的偏好,基于这些偏好为用户推荐商品或者好友。随着移动设备的广泛应用,基于位置的社交网络(Location-based Social Network,LBSN)成为新型的社交网络,人们关于位置的服务需求也越来越多。LBSN记录了人们在物理世界和虚拟网络中的行为,可以更加真实的挖掘出用户的性格和偏好特征。与此同时,传统的社交网络中的推荐问题也成为LBSN上的热点问题,关于POI(Point of Interest,POI)的推荐成为LBSN上位置服务的典型问题。本文主要针对LBSN上的POI推荐问题进行研究,通过由POI构成的生活习惯图定义用户的生活规律。目的是为人们在新的城市生活或者旅游时,推荐符合用户性格偏好和生活习惯特征的POI序列,可以使用户能够更加适应新城市的生活。通过真实的LBSN的签到数据验证了本文提出的推荐算法的有效性,同时与目前已有的推荐算法相比,本文的算法可以更加真实、有效地帮助用户适应在新城市的生活。所以论文的主要工作和贡献表现在:首先对LBSN上的签到数据进行了统计分析,挖掘用户的签到行为规律,通过POI序列来描述用户的生活规律;通过对用户在居住的城市中的签到行为挖掘用户的POI偏好,并且建立居住城市中的由POI组成的生活规律图,节点是POI,边是用户移动的概率;基于生活规律图及新城市中的POI特征,建立符合用户偏好和行为习惯的新的生活规律图,将这个新的生活规律图推荐给用户,以帮助用户可以更加适应新城市的生活。通过真实的签到数据验证了本文提出算法的有效性和可行性;基于图论相关的数学方式定义用户生活模型,建立用户生活行为图模型并且分析获得其统计结果。用户生活行为模式推荐,包括使用聚类算法和以协同过滤算法为基础的推荐方法进行位置预测。