随着位置服务的普及,基于位置的社交网络(LBSN)大为流行,并逐渐影响人们的日常生活。好友和地点是LBSN中的两大主题,为用户推荐好友和地点,已经成为学术界和LBSN平台重点关注的问题。因此,本文重点研究LBSN中的好友和地点推荐算法。本文首先研究了LBSN中的好友推荐算法,提出了考虑用户交友偏好的好友推荐算法。从兴趣相似性、距离和熟识度三个属性刻画LBSN中的用户,兴趣相似性属性基于信息熵理论计算、距离属性通过朴素贝叶斯算法推导、熟识度属性建立在共同好友的基础上。在对三个属性进行集成时,考虑了用户的交友偏好,通过目标用户的好友列表确定各属性的权重,形成了自适应用户交友偏好的好友推荐算法。本文然后研究了LBSN中的地点推荐算法,提出了一种融合相似性和好友信任的地点推荐算法。将用户划分为目标用户的非好友集和好友集,分别设计基于相似性和好友信任的地点推荐算法。相似性算法基于物质扩散理论,并利用好友关系改进；好友信任算法基于社交影响因子。在Foursquare真实数据集上,对本文的好友和地点推荐算法分别设计了对比实验,并选取了准确率、召回率和F1-measure作为实验评价指标,分析结果表明,本文提出的好友和地点推荐算法在不同评价指标下能够取得较好的综合推荐效果。