基于位置的服务在社交网络中得到了广泛使用,这些社交网络中产生的位置数据可以用来发现新的兴趣点与预测用户移动模式等。目前大部分社交网络中用户可以通过伪造的签到位置获得一定的利益,因此导致用户在社交网络中签到数据与实际位置之间通常存在差异。检测出用户伪造的签到数据可以提高社交网络位置服务的可靠性和签到数据的可信性,目前基于签到历史记录的伪造检测方法的准确率往往会因为部分用户签到数据的高稀疏性而受到影响。本文针对此问题,对社交网络中用户签到位置伪造检测展开了研究。首先,为了提高用户伪造的签到数据检测的准确率,提出了一种基于文本内容的社交网络签到位置伪造检测方法。该方法使用LDA(Latent Dirichlet Allocation)模型分析用户生成的历史文本信息和候选兴趣点(Point-Of-Interest,POI)中的位置文本信息,并使用JS距离计算用户与候选POI中位置文本信息的相似度,得出用户到访POI的概率,以此推测社交网络中签到位置数据伪造的概率。在真实数据集上的评估实验结果表明,相比于基于签到历史记录的检测方法,该方法在准确率和召回率上分别提高了 14.4%和10.9%。其次,为了解决用户签到数据的高稀疏性问题,提出了一种基于文本内容和历史签到数据的社交网络签到位置伪造检测方法。该方法使用贝叶斯模型分析用户的签到行为,得出用户到访POI的概率,然后结合由基于文本内容的相似度计算出的用户到访POI的概率,以此推测社交网络中签到位置数据伪造的概率。评估实验结果表明,该方法的检测准确率和召回率均可达到60%以上。本文提出的方法可以有效提高社交网络中用户伪造的签到位置检测的准确率。本文的研究成果将有助于提高社交网络位置服务的可靠性和签到数据的可信性。