社交网络的流行改变了人们的交流方式,越来越多的互联网用户习惯于通过社交网站进行社交活动并分享各类信息。随着移动定位设备的普及,基于位置的社交网络也逐渐流行起来并且吸引了大量的互联网用户。如今,怎样利用社交网络中海量的用户数据来预测用户间的好友关系成为了一个重要的问题。论文利用基于位置的社交网络的真实用户签到数据来分析用户行为,并且预测用户间存在的好友关系。论文的工作主要包括以下四个方面：(1)利用签到服务应用的用户签到记录,论文从签到频率、签到地点、签到时间三个方面分析用户的签到行为习惯,发现用户的签到次数大致符合幂律分布,并且分析了用户签到频率高的地点与时间；(2)通过用户签到记录中的位置信息,论文从移动距离、活动区域半径和移动周期性三个方面分析了用户移动轨迹。对移动距离进行研究,发现用户在现实生活中的移动路径长度基本符合Levy Flight模型；对活动区域半径进行研究,发现用户活动区域半径长度与用户数符合幂律分布,说明大部分用户的长距离出行较少；对移动周期性进行研究,发现用户会周期性的出现在某些地点,符合人的实际生活规律；(3)通过实验验证,论文发现具有共同签到行为的用户间更可能存在好友关系。论文进一步从共同签到区域数、共同签到次数以及共同签到时间间隔三个方面分析了用户的共同签到行为与用户间好友关系之间的联系；(4)论文改进了前人对地域的同一尺度的网格划分方式,通过地点熵来区分不同地理区域之间的差异性,提出了一种变尺度的地域网格划分方法。并且论文通过实验验证,在利用用户共同签到特征来预测用户间好友关系时,变尺度的地域网格划分方法的效果更佳。