Actualmente, las redes sociales permiten a individuos de todo el mundo compartir ideas, actividades, eventos e intereses a través de Internet. Utilizando redes sociales basadas en la ubicación (LBSNs), los usuarios pueden compartir sus ubicaciones y contenido relacionado con la ubicación, incluyendo imágenes y reseñas. El sistema de recomendación basado en LBSN ha ganado considerable atención en la investigación utilizando técnicas y métodos basados en las actividades geosociales de los usuarios. En este estudio, presentamos un análisis comparativo de tres algoritmos de factorización de matrices (MF), a saber, descomposición en valores singulares (SVD), descomposición en valores singulares más (SVD++) y factorización de matrices no negativas (NMF). La tarea principal del sistema de recomendación implementado fue predecir las calificaciones de restaurantes para cada usuario y hacer una recomendación basada en esta predicción. Este experimento utilizó dos métricas de rendimiento para la evaluación, a saber, el error cuadrático medio (RMSE) y el error absoluto medio (MAE). Los RMSE confirmaron la eficacia de SVD con una tasa de error más baja, mientras que SVD++ tuvo una tasa de error más baja en términos de MAE.