1.一种基于位置隐私保护的个性化推荐方法，其特征在于，包括以下步骤：(1)、根据查询用户位置生成隐匿区域

1.1)、位置服务器接收查询用户发送位置服务请求Q＝{P0(x,y),c,query}，其中，P0(x,y)为查询用户真实位置，(x,y)为其坐标，c>1，query为用户发送的服务请求信息；

1.2)、以查询用户真实位置P0(x,y)为圆心，半径为dmax生成隐匿区域Z0，其中，半径dmax＝R×c，R为保护系数；

1.3)、判定隐匿区域Z0域内用户真实位置P0(x,y)的近邻位置点个数n是否满足n>k，若不满足则需要随机插入k-n个位置点，其中，k为隐匿区域所需位置点数，根据具体实施情况确定；

(2)、根据查询用户真实位置P0(x,y)近邻位置点重新计算隐匿区域

2.1)、位置服务器随机选定隐匿区域Z0的k个近邻位置点；

2.2)、得到k个近邻位置点的坐标，并计算坐标均值，通过公式得到均值坐标位置点 其中，xi,yi为k位置点第i个的坐标；

2.3)、位置服务器以均值坐标位置点 为圆心，dmax为半径，重新生成隐匿区域Z′0，并把整个隐匿区域Z′0作为用户当前位置发送给应用服务器，同时，将服务请求信息也发送给应用服务器；

(3)、推荐用户附近商家

3.1)、应用服务器将隐匿区域Z′0半径至Dmax，生成推荐区域Z1；

3.2)、应用服务器根据用户发送的服务请求信息query，结合用户历史购买商家记录，对推荐区域Z1内商家排序即获得个性化推荐列表并返回给查询用户。

2.根据权利要求1所述的基于位置隐私保护的个性化推荐方法，其特征在于，应用服务器在对商家进行排序前，需要对商家的特征和权重进行训练，得到商家的特征和权重：抽取应用服务器数据库中购买人数较多的商家，分为正负例样本(购买的为正例样本、浏览没购买的为负例样本)，抽取商家特征，特征包括是否停车、面积、价格、用户评分……等，然后利用逻辑回归算法的随机梯度下降法对正负例样本进行训练，得到商家的特征和权重。