随着GPS,LTE的发展,移动定位技术获得长足进步,海量用户的历史位置信息通过空时数据的方式被记录。这些真实世界中的位置数据在一定程度上隐藏着用户对某些地点的兴趣信息,这让我们有机会挖掘出用户关于位置维度的相关性信息。本文通过对空时数据的用户行为分析,实现了一个基于地理位置信息的个性化朋友推荐和地点推荐系统。该系统通过基于层次图的相似性度量(HGSM)框架对每位用户的历史位置信息(空时数据)统一建模,可以有效地度量用户间的相似度,实现对移动通信数据的用户行为分析,最终达到三个目标。一是在该推荐系统中,将特定个体访问现实世界中的地理区域作为该地区的隐含评分。二是根据用户历史位置来作为用户相似度的衡量指标,并向每个用户推荐同一个POI(兴趣地点)的潜在朋友。三是通过引入用户和其他用户的历史轨迹来评估该用户未到访区域的兴趣程度,并将这些符合用户兴趣特征的POI(兴趣地点)推荐给该用户。本文研究方法创新,使用HGSM作为用户相似性度测量系数,并通过真实数据对系统进行性能评估,论证了基于HGSM相似度测量方式优于传统的形式(例如Cosine相似度和Pearson相似度度),因而相较于传统推荐系统,本系统将为用户提供更具吸引力的位置服务和更好的推荐体验。