随着移动智能终端的普及,移动社交网络也随之兴起,多样化的定位技术使得人们可以随时随地通过便携式智能终端设备获得自己所在的地理位置。基于位置的社交网络(LBSN)应运而生,移动社交网络可观的活跃用户产生了大量位置数据,给研究用户的行为模式、生活规律和个人偏好,以及提供优质的个性化服务带来契机。本文从频率模式、时间特征、空间特征、社交因素和天气特征等方面对基于位置的社交网络用户的签到行为进行分析及预测,针对与用户签到行为相关的问题进行了深入的探讨与研究,成果如下:1.通过分析用户签到频率模式、时序特征和天气特征,本文提出了一种基于时序与天气特征的位置预测模型(WTMC)。首先用频率模式通过马尔科夫模型对签到预测问题建模,再结合时序偏好来修正预测结果,最后融合位置天气特征对用户签到的影响得到最终的预测结果。在两个真实签到数据集上的实验表明WTMC比基准算法的准确率提升了5%~10%。2.数据分析表明签到相异性不同的用户在时间空间等方面的表现有着明显的区别,本文基于此特性提出了一种新颖的混合模型,即基于用户相异性具有情境感知的位置预测模型(UDR)。UDR模型由两个子模型组成:一是基于用户相异性的签到预测模型(UD),除了考虑时空上下文特征外,还加入了自定义的“冷热地点转换”特征以及天气等因素,为用户提供新颖地点的签到预测。另一个是基于用户回归性的签到预测模型(UR),通过挖掘用户签到规律来预测用户回归历史记录位置签到的情况。在两个LBSN数据集上的实验结果验证了UDR较高的准确性。