摘要：隨著智能移動設備的快速普及,人們對基于位置的社交網絡服務的依賴性越來越高.但是,由于數據采集成本昂貴以及現有數據采集技術的缺陷,基于小樣本數據挖掘的興趣點(point of interest, POI)定位已經成為了一種挑戰.盡管已經有一些POI定位方面的研究,但是現有的方法不能解決正樣本數據不足的問題.提出一種基于PU與生成對抗網絡(positive and unlabeled generative adversarial network, puGAN)的模型,采用PU學習和生成對抗網絡相結合的方式挖掘數據的隱藏特征,生成偽正樣本彌補數據不足的問題,并校正無標簽樣本數據的分布,從而訓練出有效的POI判別模型.通過分析ROC曲線以及訓練誤差和測試誤差在迭代過程中的變化和關系來比較不同模型在實驗場景下的效果.結果表明,puGAN模型可以有效解決數據樣本不足的問題,進而提高POI定位的準確性.