فعالیت در شبکه‌های اجتماعی مبتنی بر مکان مانند Yelp وGowalla به بخشی اساسی از زندگی روزمره کاربران تبدیل شده است و به راحتی می‌توانند از رفتارهای دوستان خود و نقاط جذاب بازدید شده توسط آنان اطلاع یافته و تحت تأثیر آنها قرار گیرند. در نتیجه، وجود توصیه‌های هدفمند و استخراج ویژگی‌های کلیدی نقاط مورد علاقه و کاربران از اهمیت بالایی برخوردار است. در این مقاله، یک روش جدید برای توصیه نقاط مورد علاقه مبتنی بر شبکه عصبی کانولوشن پیشنهاد شده است، که با توجه به الگوی رفتاری شبیه ترین دوست کاربر عمل می‌کند. برای یافتن شباهت، از روش خوشه‌بندی فازی C-Means استفاده می‌کنیم و مکان‌های نزدیک به مرکز یک خوشه از میزان وابستگی بالاتری برخوردار خواهند بود. چارچوب پیشنهادی شبکه عصبی کانولوشن ارائه شده به عنوان ورودی، شش ویژگی شامل شناسه کاربر، ماه، روز، ساعت، دقیقه و ثانیه که زمان بازدید هر کاربر است را در نظر می‌گیرد و با ۹ لایه می‌تواند طول و عرض جغرافیایی و شناسه مکان‌های مناسب بعدی را پیش‌بینی کرده و سپس بر‌اساس کوتاهترین فاصله از الگوی رفتاری دوست مشابه، مکان‌های پیشنهادی دقیق را توصیه کند. تکنیک ما در دو مجموعه داده شبکه‌های اجتماعی مبتنی بر مکان ارزیابی شده و نتایج تجربی نشان می‌دهند که روش پیشنهادی دقت بالاتری نسبت به رویکردهای پیشرفته برای توصیه مکان‌های مورد علاقه دارد. Manuscript profile