1.一种面向位置社交网络的兴趣点推荐方法，其特征在于，包括如下步骤：步骤1，根据目标用户的签到兴趣点的历史记录，获取目标用户的相似用户集合；

步骤2，通过在基于用户的协同过滤算法中，融入时间特征，得到基于时间特征和用户协同过滤的兴趣点评分；

步骤3，将基于时间因素的兴趣点流行度的估算融入空间特征去，得到基于空间特征和兴趣点流行度特征的兴趣点评分；

步骤4，分别将步骤2的基于时间特征和用户协同过滤的兴趣点评分和步骤3的基于空间特征和兴趣点流行度特征的兴趣点评分进行标准化，再将标准化后的数据进行线性组合，得到目标用户对兴趣点的综合评分；

步骤5，根据步骤4中的综合评分向目标用户进行兴趣点推荐。

2.根据权利要求1所述的一种面向位置社交网络的兴趣点推荐方法，其特征在于，步骤

1中目标用户的相似用户v为与目标用户u的历史共同签到兴趣点数量Nu,v＞m的用户，其中，u,v∈User，v∈SUser， User为所有用户的集合，SUser为目标用户u的相似用户集合，m为设定阈值。

3.根据权利要求2所述的一种面向位置社交网络的兴趣点推荐方法，其特征在于，步骤

2中基于时间特征和用户协同过滤的兴趣点评分为：

其中， 为基于时间特征和用户协同过滤的目标用户u在时间点t对兴趣点l的评分，t∈T，l∈L，T∈{0,1,2,...,23}为时间点集合，L为兴趣点集合；

Nuser为User中的用户数量， 为任

一用户r∈User在时间点t和时间点t1的相似度，t≠t1， 为目标用户u在时间点t1对兴趣点l的签到值，记作 表示用户u在与时间点t1相邻的连续时间点签到兴趣点l的值。

4.根据权利要求3所述的一种面向位置社交网络的兴趣点推荐方法，其特征在于，步骤

3中基于空间特征和兴趣点流行度特征的兴趣点评分为：

其中， 为基于空间特征和兴趣点流行度特征的目标用户u在时间点t对兴趣点l的评分； Lu为目标用户u的历史签到兴趣点集合，geodist(l,lj)为兴趣点l和lj之间的球面距离，lj∈Lu，l∈L且

λ为第一预设参数，λ∈[0,1]，CIl,t为在时间点t对兴趣点l签到的用户集合，CIl为对兴趣点l签到的用户集合，CIl′,t为在时间点t对兴趣点l′签到的用户集合，CIl′为对兴趣点l′签到的用户集合，|CIl,t|为在时间点t对兴趣点l签到的用户数量，|CIl|为对兴趣点l签到的用户数量，|CIl′,t|为在时间点t对兴趣点l′签到的用户数量，|CIl′|为对兴趣点l′签到的用户数量。

5.根据权利要求4所述的一种面向位置社交网络的兴趣点推荐方法，其特征在于，步骤

4中采用Min-Max分别将步骤2的基于时间特征和用户协同过滤的兴趣点评分和步骤3的基于空间特征和兴趣点流行度特征的兴趣点评分进行标准化。

6.根据权利要求5所述的一种面向位置社交网络的兴趣点推荐方法，其特征在于，步骤

4中目标用户对兴趣点的综合评分为：

其中，k为第二预设参数，k∈[0,1]； 为标准化后的 为标准化后的

7.根据权利要求6所述的一种面向位置社交网络的兴趣点推荐方法，其特征在于，步骤

5中根据步骤4中的综合评分，按综合评分从高到低的顺序向目标用户进行兴趣点推荐。