定位技术和移动互联网的普及使基于位置的社交网络得以兴起，好友及地点推荐是基于位置的社交网络的重要服务内容，同时，基于LBSN的个性化推荐算法也成为学术研究的重点。本文基于LBSN，构建好友和地点推荐算法，进一步提高推荐的效果。　　在好友推荐方面，融合线上关系和线下行为，考虑位置偏好相似性、距离相似性和熟识度三个特征，构建了好友推荐算法。首先，通过考虑时间因素和排除时间因素两方面计算位置偏好的相似性;其次，通过探究用户与其好友间签到地点在距离上的关系计算距离相似性;第三，使用阶数与路数作为影响好友关系的重要因素计算熟识度;最后，对以上三个特征进行加权计算最终推荐分数。在地点推荐方面，分析基于二部图地点推荐算法的不足，并使用信任关系和距离两个特征对其进行改进。信任度基于随机游走算法和用户影响力计算，距离特征使用待推荐地点落在距离目标用户的签到地点lkm以内的点数来计算。　　利用Gowalla上的数据，本文分别为好友推荐算法和地点推荐算法设计对比实验，选取准确率、召回率和F1值作为对比实验的评价指标，最终验证了本文提出的LBSN中融合线上关系和线下行为的好友推荐算法以及LBSN中融合信任关系与距离的二部图地点推荐算法有更好的推荐效果。