位置采集技术的日益普及(如GP书,GSM网络等)促进了我们对空间-时间数据的大规模采集,从而为发现珍贵的关于用户移动位置的信息带来了新的机遇。首先,这些大量的空间-时间信息给我们提供了关于用户移动行为的有用信息,利用这些信息我们可以为每个用户生成他们各自的移动属性,这对于研究在基于地理位置信息的移动服务中发掘匿名用户的旅行路线或者其他应用很有帮助；其次,使用这些位置采集技术,用户可以方便地记录他们的地理位置历史数据。这些真实的位置数据可以帮助我们发掘用户在过去一段时间内的兴趣活动区域。兴趣区域的构建可以让我们更好地挖掘用户之间在地理位置上的相关性。作为推荐系统的必需条件,我们需要对每一个用户对进行计相似度值的计算,以便为每个用户推荐其潜在朋友的列表。本学位论文提出了一种新颖的方法来进行用户移动属性的构建和用户之间相似度的计算。作为用户移动属性构建过程的一部分,我们首先检测用户的兴趣区域,并使用频繁序列模式技术来挖掘用户的频繁旅行轨迹模式。在相似度计算过程中,我们首先定义用户轨迹模式之间的相似度函数,然后根据用户模式的相似度计算用户之间的相似度。我们的实验数据采用的是由微软亚洲研究院在Geolife项目中采集的GPS数据,它收集了178个用户在四年间(从2007年4月份到2011年10月份)的GPS数据。在此实验数据上我们测评了我们的方法,实验结果表示,我们提出的方法在相应的测评数据中优于传统的相似度计算方法。