摘要：基于位置的社交网络（10cation．basedsocialnetworks，LBSN）大为流行之余，也带来了信息过载问题．好友推荐是所有社交网络必须面临的问题，为了改进LBSN中好友推荐的效果，构建了考虑用户交友偏好的好友推荐模型（friendsrecommendationconsideringusers’preference，UPFR）．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，建立了自适应用户交友偏好的好友推荐算法．通过Foursquare上的数据实验证明该算法能取得较优的综合推荐效果．

关键词：好友推荐 兴趣相似性 距离 熟识度 交友偏好 

单位：合肥工业大学管理学院; 合肥230009