چکیده: چکیده در عصر دیجیتال، با گسترش شبکه‌های اجتماعی مبتنی بر مکان و رواج ثبت داده‌های مکانی، حجم عظیمی از اطلاعات در دسترس قرار گرفته که می‌تواند مبنای توسعه‌ی سیستم‌های توصیه‌گر مکان‌های مورد علاقه باشد. شبکه‌های اجتماعی مبتنی بر موقعیت مکانی پلتفرم‌هایی هستند که امکان اشتراک‌گذاری تجربیات و کشف مکان‌های جدید را برای کاربران فراهم می‌کنند. گوگل مپ نمونه‌ای ساده و شناخته شده از این پلتفرم‌هاست. در این زمینه، سیستم‌های توصیه‌گر به‌عنوان ابزاری کلیدی مطرح می‌شوند که با تحلیل رفتار و ترجیحات کاربران، مکان‌های جدیدی را پیشنهاد می‌دهند و تجربه کاربران را بهبود می‌بخشند. یکی از رویکردهای رایج در این حوزه، فیلترینگ مشارکتی است که با بهره‌گیری از شباهت‌های رفتاری کاربران، پیشنهادهایی شخصی‌سازی‌شده ارائه می‌دهد. پژوهش‌های اخیر نشان داده‌اند که ترکیب رویکردهای داده‌محور با مفاهیم روان‌شناختی مانند اثر لنگراندازی می‌تواند دقت توصیه‌ها را افزایش دهد. اثر لنگر در علوم شناختی به این معناست که افراد معمولاً نخستین اطلاعات دریافتی را مبنای قضاوت‌های بعدی خود قرار می‌دهند و استفاده از آن در سیستم‌های توصیه‌گر نیز قطعا اثرگذار خواهد‌بود. در این پژوهش، مدل پیشنهادی با الهام از دو مفهوم اثر لنگر و فیلترینگ مشارکتی شکل گرفته است. در روش فیلترینگ مشارکتی این پژوهش، شباهت جغرافیایی میان نواحی فعالیت کاربران مبنا قرار گرفته است. برای هر کاربر، محدوده‌ی فعالیت به‌صورت یک بیضی مکانی مدل‌سازی می‌شود و این بازنمایی برای بدست آوردن شباهت میان کاربران با استفاده از مساحت محصور مشترک بین بیضی‌ها مورد استفاده قرار می‌گیرد. در ادامه نیز با در نظر گرفتن فاصله میان نقاط تا نقطه لنگر، پیشنهادات نهایی به کاربران داده می‌شود. این رویکرد تعادلی مناسب میان افزایش دقت و هزینه‌های محاسباتی برقرار می‌سازد و امکان استفاده مؤثر از منابع محدود سخت‌افزاری را فراهم می‌کند. از دیگر مزایای این مدل، قابلیت مصورسازی مرحله به مرحله فرایند و توصیف‌پذیری بالای آن است که فهم و تحلیل عملکرد سیستم را برای پژوهشگران و توسعه‌دهندگان ساده‌تر می‌سازد. نتایج آزمایش‌ها روی داده‌های گوالا نشان داد داد این روش نسبت به الگوریتم‌های متداول عملکرد بهتری در معیارهای دقت و نرخ بازخوانی دارد و قابلیت استقرار در پلتفرم‌های سبک را نیز داراست. به‌طور کلی، این پژوهش نشان می‌دهد که تلفیق مفاهیم روان‌شناختی و جغرافیایی می‌تواند مبنای ایجاد یک سیستم توصیه‌گر ساده، مؤثر و قابل استقرار باشد و ظرفیت بالایی برای کاربردهای عملی و تحقیقات آتی در حوزه پیشنهاد نقاط مورد علاقه فراهم آورد.