移动互联网络和定位技术的广泛普及给人们的生产和生活带来极大便利,同时也促进了位置社交网络的发展,和传统社交网络只包含用户拓扑信息不同,位置社交网络是一种既有用户信息又有位置信息的复杂异构网络,检测出其中的社团结构对于深入分析位置社交网络具有重要意义。模块度优化是传统社交网络的社团检测方法,由于其时间性能和检测效果俱佳,因此考虑将其推广到位置社交网络。而分辨率极限却是模块度定义中固有的一个问题,因此避免分辨率极限问题的产生并将模块度优化方法与位置信息相结合,是研究位置社交网络中社团检测的基础。针对上述问题,本文在分析了位置社交网络的特点和分辨率极限问题产生原因的基础上,提出一种网络权重预处理方案,该方案可以使预处理后的网络使用模块度优化方法进行社团划分时既避免分辨率极限问题,又适用于位置社交网络。本文研究工作主要分为两方面:一方面,由于网络嵌入在节点特征学习方面表现出的优异性能,本文在分析了一种针对位置社交网络的网络嵌入方法walk2friends的过程和优势后,将其节点相似度生成过程的工作与一种利用随机游走挖掘网络结构的方法相结合,进而提出本文的预处理方案。预处理方案将无向无权图转换成无向有权图来完成社团检测,该方案利用walk2friends结合位置社交网络特征得到的学习相似度使节点更内聚,利用随机游走方法得到的结构相似度可以探测网络结构,区分出不同社团的节点,最后利用K近邻算法使关联度低的节点间边权值趋于0,从而破坏分辨率极限的产生条件。相比于现有的一些位置社交网络社团检测方法只以用户签到信息作为输入,该方案还考虑了用户的社交关系。实验结果表明,本文预处理方案可有效解决模块度优化方法的分辨率极限问题,walk2friends考虑位置信息的特性使得该方案适用于位置社交网络。另一方面,由于目前walk2friends方案缺乏对用户社交关系的考虑,本文提出一种基于社交关系的协同过滤方法进行改进。该方法不仅给walk2friends过程加入用户社交关系,还可以避免协同过滤中的数据稀疏问题,并将改进后的walk2friends用于网络预处理方案的改进。最后实验结果表明,改进后的walk2friends在链路预测性能方面较之前有了很大的提升,应用于预处理方案的改进后,不仅可以有效解决分辨率极限问题,而且从模块度密度、收缩率和社团间连边等评价指标来看改进后方案比未改进方案得到的社团结构更合理,且和其他典型的社团检测方法对比结果显示,改进后的网络预处理方案更适用于位置社交网络。