海量的时空数据中往往隐含着一定时空范围内有价值的主题信息,挖掘并为用户推荐这些主题能帮助用户快速了解当下的流行趋势或热点话题。然而现有的主题推荐算法并没有考虑用户的主题偏好,不能为不同用户实现个性化的主题推荐,而且随着时空范围的扩大,在主题推荐过程中,其推荐的效率也会大幅下降。为此,本文从个性化主题推荐的实际应用出发,研究时空主题数据下个性化主题推荐的特征及存在的问题,并提出相应有效的解决方法。首先,本文针对时空主题数据提出了一种主题挖掘算法,该算法通过考虑主题在整个主题数据集中的整体重要性和不同用户对不同主题对象的关注度,来计算主题频率,再利用主题频率大小来确定用户的主题偏好,实现了考虑用户偏好的时空主题挖掘。其次,根据用户偏好的时空主题,本文提出了一种个性化主题推荐算法,该算法包含了个性化主题相关性和个性化主题索引两个子算法,其中个性化主题相关性子算法用来衡量用户偏好主题与主题数据集中主题的相关性,从而为不同用户推荐其可能感兴趣的个性化主题。当时空范围较大时,进一步使用个性化主题索引子算法来减少不同区域内主题列表之间的聚合尺寸来达到加速主题推荐过程的目的,从而实现了用户个性化主题的快速推荐。最后,本文将提出的个性化主题推荐算法应用于智能交通轨迹推荐系统中,具体的应用流程主要包含三步,第一步使用时空主题挖掘算法来挖掘用户偏好轨迹,第二步根据用户偏好轨迹和所有候选轨迹之间的人-车-路关系,使用个性化主题相关性子算法来计算它们之间的相关性,第三步根据轨迹之间相关性使用个性化主题索引子算法将满足用户需求的个性化交通轨迹快速的推荐给用户。与此同时,针对以上的三个工作,本文将提出的算法均与现有的方法在真实的数据集下进行了实验对比,验证了提出算法的有效性,并总结了所提算法的优缺点,以及未来的研究方向。