1.一种基于用户App数据的个性化地点推荐方法，其特征在于，包括以下步骤：S1、获取带有地点信息的App使用记录，得到数据集；

S2、从数据集中提取用户对地点的历史访问行为、用户特征和地点特征；

S3、根据用户对地点的历史访问行为、用户特征和地点特征得到用户兴趣表征和地点功能表征；

S4、根据用户兴趣表征和地点功能表征计算用户对未访问地点的兴趣分数，并按照预设规则将地点推荐给用户。

2.根据权利要求1所述一种基于用户App数据的个性化地点推荐方法，其特征在于，所述从数据集中提取用户对地点的历史访问行为、用户特征和地点特征这一步骤，其具体包括：

S21、从数据集中提取用户对地点的历史访问行为并统计每个用户对每个地点的访问次数，得到每个用户对地点的访问偏好；

S22、从数据集中统计每个用户对每个App的使用次数，得到用户特征；

S23、从数据集中统计每个地点下聚合的每个App的使用次数，得到地点特征。

3.根据权利要求2所述一种基于用户App数据的个性化地点推荐方法，其特征在于，所述从数据集中提取用户对地点的历史访问行为并统计每个用户对每个地点的访问次数，得到每个用户对地点的访问偏好这一步骤还包括将访问次数为0的地点划分为未访问地点。

4.根据权利要求3所述一种基于用户App数据的个性化地点推荐方法，其特征在于，所述根据用户对地点的历史访问行为、用户特征和地点特征得到用户兴趣表征和地点功能表征这一步骤，其具体包括：

S31、将用户对地点的历史访问行为按照指定比例划分为训练集和测试集；

S32、基于图卷积神经网络，将用户特征、地点特征作为输入，将训练集中的历史访问行为作为输出真值，训练得到用户兴趣表征和地点功能表征。

5.根据权利要求4所述一种基于用户App数据的个性化地点推荐方法，其特征在于，所述将用户对地点的历史访问行为按照指定比例划分为训练集和测试集这一步骤具体包括：对于每个用户，随机选择该用户访问地点中70％的地点，将这些地点的访问行为作为训练集，设其余30％的地点用户未访问过，构成测试集。

6.根据权利要求5所述一种基于用户App数据的个性化地点推荐方法，其特征在于，所述基于图卷积神经网络，将用户特征、地点特征作为输入，将训练集中的历史访问行为作为输出真值，训练得到用户兴趣表征和地点功能表征这一步骤，图卷积神经网络的训练步骤具体包括：

S321、根据训练集中的历史访问行为构造二部图；

S322、将用户特征和地点特征分别作为二部图的节点属性；

S323、将图卷积神经网络的层数设置为N；

S324、将二部图中的每个节点的属性信息作为图神经网络的输入，输出对应的用户兴趣表征向量和地点功能表征向量；

S325、根据用户兴趣表征向量和地点功能表征向量，基于内积计算法计算用户对地点的兴趣分数，得到用户访问行为的估计值；

S326、将用户访问行为的估计值与真实值相比较，得到估计误差；

S327、根据估计误差对图卷积神经网络进行梯度下降并返回步骤S324，直至估计误差小于理想阈值。

7.根据权利要求6所述一种基于用户App数据的个性化地点推荐方法，其特征在于，所述根据用户兴趣表征和地点功能表征计算用户对未访问地点的兴趣分数，并按照预设规则将地点推荐给用户这一步骤，其具体包括：基于内积计算法，根据用户兴趣表征和地点功能表征计算用户对未访问地点的兴趣分数；

根据兴趣分数从高到低对未访问地点进行排序，并选择前K个地点推荐给用户。

8.一种基于用户App数据的个性化地点推荐系统，其特征在于，包括：记录获取模块，用于获取带有地点信息的App使用记录，得到数据集；

数据提取模块，用于从数据集中提取用户对地点的历史访问行为、用户特征和地点特征；

表征模块，用于根据用户对地点的历史访问行为、用户特征和地点特征得到用户兴趣表征和地点功能表征；

推荐模块，用于根据用户兴趣表征和地点功能表征计算用户对未访问地点的兴趣分数，并按照预设规则将地点推荐给用户。