作为基于位置服务(LBS)的核心应用,面向LBS的推荐系统(RSs)已经引起了学术界和工业界的极大兴趣。推荐系统通过分析用户已访问过的兴趣点(POIs)分布,帮助用户从浩瀚的信息中检索新的兴趣点。尽管面向LBS的推荐系统很大程度上方便了人们的信息检索,但是由于目前大部分推荐系统要求用户暴露自己的位置信息,从而引起了用户对位置隐私问题的极大关注。同时,作为LBS的基础,移动云计算(MCC)模式为解决面向LBS的推荐系统中存在的隐私问题带来了新的机遇和挑战。因此,本文提出了一种移动云中基于位置隐私保护推荐系统的新方案。本文的主要研究工作如下:1.研究了移动云中面向LBS的推荐系统的数据保护问题。本文采用的保护机制包括:1)根据数据的敏感性不同进行分割存储,以保障数据的存储安全;2)提供了移动终端和云端服务器之间的安全传输机制,对地理位置数据进行地理区域空间模糊化和时间模糊化,并对用户进行匿名保护。2.研究了移动终端和云端服务器之间的负载均衡问题。本文考虑了移动终端的存储能力、计算、电源等局限性以及网络传输压力,智能地为移动终端和云端服务器分派不同的数据存储任务和计算任务,以实现负载均衡。3.研究了基于历史签到数据的推荐算法。本文分析待推荐的兴趣点和用户已访问过的兴趣点在地理类别、地理区域上的相关性,采用核密度估计方法对用户的行为模式进行预测,然后根据用户的行为模式计算待推荐兴趣点的分数,以产生推荐结果。4.研究了基于社交关系的推荐模型和算法。本文提出了一种结合FOF(Friends Of Friends)模型与共同关注模型的新模型,该模型不仅考虑相似用户产生的影响力,也考虑了其他被关注的用户所产生的影响力,并将用户间的互动情况作为一个重要特征。最后本文采用了一种基于Hyperlink-Induced Topic Search(HITS)思想的改进算法来分析社交关系产生的影响力。