随着信息时代的发展,基于位置的服务已成为很多行业研究的目标,而社交网络已广泛成为用户分享与交流的平台。基于位置的服务与社交网络的结合为用户的行为分析提供了重要的数据来源,有利于提高用户的个性化服务质量。研究用户之间的相似性对分析个体用户历史行为以及预测其未来的行为有着重要的意义。但是由于数据的多样性,使得用户相似性分析以及行为预测成为业界的热点和难点。本文考虑到用户数据的多样性特点,以Foursquare数据为研究对象,分析并研究了基于位置的社交网络用户行为。首先,本文针对于结构化数据提出了一种基于矩阵分解的用户潜在特征挖掘算法,针对于非结构化数据采用了一种基于主题模型的分析方法,融合这两种信息,共同分析用户之间的相似性：然后,本文分析了语言模型与基于位置的社交网络之间的共同特性,提出基于语言模型的行为预测算法,结合用户之间的相似性以及其它特征,使用决策树来预测用户的下一个访问位置；最后,本文进行了实验分析和验证,实验证明了基于两种信息融合的相似性分析有着良好的效果,并对基于语言模型的行为预测有一定的促进作用。