随着智能移动终端的普及以及无线定位与通讯技术的进步,兼具位置感知与社交服务功能的移动社交平台愈发流行,已成为链接“线上”与“线下”商业服务的重要环节。用户在使用移动社交网络服务过程中产生了海量的位置轨迹数据,这些数据蕴含了极为丰富的时空语义信息,为探索移动社交网络用户行为模式、预测用户未来消费趋势带来了新的机遇。基于移动社交数据的用户访问位置预测通过挖掘用户历史位置轨迹推测用户未来访问目的地,有利于洞察用户消费意图以生成位置服务推荐,提升用户参与度;有利于商家制定个性化推广策略引导用户消费行为,促进区域经济发展;有利于城市管理者提高公共交通利用率,改善城市基础设施建设,是实现用户、商家、城市三方共赢的有效手段,得到了学术界与产业界广泛且深入的关注。用户访问位置预测问题的实质是通过全面分析用户在移动社交网络中签到、评论等行为所携带的位置数据,挖掘位置数据背后隐藏的各式各样的用户生活模式和个人偏好,进而推测用户在未来可能访问的位置。目前,国内外在用户访问位置预测方面已取得诸多研究进展,这些成果为本研究的开展带来了良好的启发和借鉴,但同时也存在诸多不足。其一,当前绝大部分研究旨在解决用户下一个访问位置预测问题,针对给定时间用户访问位置预测的研究较为匮乏;其二,诸多工作采取线性方式融合多维特征,难以真正刻画不同因素在驱动用户访问行为时的相互作用;其三,大部分研究仅基于单一模态的签到数据建模用户访问偏好,对多模态移动社交数据的探索极为稀缺。除上述不足以外,鉴于移动社交数据的独特性质,用户访问位置预测研究长久以来还存在如下四个方面的挑战,即数据稀疏性问题、冷启动问题、上下文感知问题以及用户偏好动态变化问题。为了克服上述不足与挑战,本文首先针对相关工作展开系统性综述,随后针对兴趣点级别的细粒度用户访问位置预测问题循序渐进地开展如下研究:（1）针对给定时间用户访问位置预测问题,提出一种基于多维特征融合的用户访问位置预测方法。通过全面分析用户历史位置轨迹中的移动行为模式,依次从时间周期性、全局流行度、个性化偏好与社交影响力四个方面提取多维用户签到特征,设计候选位置评分模型与候选位置分类模型以有效融合多维特征,采取先分类后排序的方式生成预测结果。基于多个真实移动社交数据集的实验结果表明,该方法在多种评价指标上均表现优异。（2）为了兼顾用户下一个访问位置预测问题与给定时间用户访问位置预测问题,设计一种基于兴趣点嵌入表示的用户访问位置预测方法。首先,基于随机游走算法从构建的带权有向兴趣点网络中采样位置序列集合;其次,基于词向量技术训练得到兴趣点在低维连续向量空间中的隐含表示;然后,基于指数时间衰减方法聚合用户历史轨迹建模用户访问偏好;最后,计算用户对不同候选位置的访问概率以生成预测结果。基于多个真实移动社交数据集的实证分析验证了该方法在两种位置预测任务上的有效性。（3）针对给定时间用户访问位置预测问题,考虑多模态移动社交数据的信息关联与互补,提出一种基于层次时空上下文的二阶段用户访问位置预测方法。在第一阶段,基于层次注意力机制学习时间敏感的用户隐含偏好表示;在第二阶段,设计时间敏感的候选位置评分模型以计算目标用户针对候选位置的访问概率进而生成预测结果。基于多个真实数据集的实验结果表明,本方法在不同评价指标下均表现优异,且预测性能优于诸多对比方法。