1.一种个性化兴趣点推荐方法，其特征在于，包括：获取用户签到数据，所述用户签到数据包括用户信息集合、每个用户信息对应的兴趣点集合、每个兴趣点的位置信息以及每个兴趣点的签到时间信息；

基于图神经网络的传播层，对所述用户信息集合和所述兴趣点集合进行训练，得到关联用户信息和关联兴趣点信息；

根据预设的衰减权重，对所述关联兴趣点信息和所述关联用户信息进行更新，得到更新后的关联兴趣点信息和更新后的关联用户信息；

将所述更新后的关联兴趣点信息和所述更新后的关联用户信息输入到图神经网络的预测层进行计算，得到用户兴趣评分，作为兴趣点推荐分值；

基于预设的排序规则，对用户的所有所述兴趣点推荐分值进行排序，得到每个用户对应的兴趣点推荐列表；

根据所述兴趣点推荐列表，向所述兴趣点推荐列表对应的用户推荐兴趣点。

2.如权利要求1所述的个性化兴趣点推荐方法，其特征在于，所述将所述更新后的关联兴趣点信息和所述更新后的关联用户信息输入到图神经网络的预测层进行计算，得到用户兴趣评分，作为兴趣点推荐分值之后，所述方法还包括：根据所述兴趣点的位置信息和所述兴趣点的签到时间信息，得到初始时空关系矩阵和关联时空关系矩阵；

根据预设的单位时间和预设的单位距离，分别对所述初始时空关系矩阵和所述关联时空关系矩阵进行空间映射，得到映射后的初始时空关系矩阵和映射后的关联时空关系矩阵；

根据所述映射后的初始时空关系矩阵，得到初始时空关系信息；

根据所述映射后的关联时空关系矩阵，得到关联时空关系信息；

根据所述兴趣点的位置信息和预设的周期时间，获得时空轨迹信息；

将所述初始时空关系信息和所述时空轨迹信息输入注意力网络的聚集层进行计算，得到更新的时空轨迹信息，作为用户签到轨迹；

将所述用户签到轨迹和所述关联时空关系信息输入到注意力网络的匹配层进行计算，得到用户时空评分；

将所述用户时空评分和所述用户兴趣评分进行加权求和，得到更新后的用户兴趣评分，作为兴趣点推荐分值。

3.如权利要求2所述的个性化兴趣点推荐方法，其特征在于，所述根据所述兴趣点的位置信息和所述兴趣点的签到时间信息，得到初始时空关系矩阵和关联时空关系矩阵包括：根据所述用户签到数据确定初始兴趣点的位置信息和初始兴趣点的签到时间信息；

根据所述关联兴趣点信息确定关联兴趣点的位置信息和关联兴趣点的签到时间信息；

根据所述初始兴趣点的位置信息和所述初始兴趣点的签到时间信息，得到初始时空关系矩阵；

根据所述关联兴趣点的位置信息和所述关联兴趣点的签到时间信息，得到关联时空关系矩阵。

4.如权利要求3所述的个性化兴趣点推荐方法，其特征在于，所述根据所述初始兴趣点的位置信息和所述初始兴趣点的签到时间信息，得到初始时空关系矩阵包括：计算每个所述初始兴趣点的位置信息与其自身及其它初始兴趣点的位置信息的差值，作为第一差值信息；

计算每个所述兴趣点的签到时间信息与其自身及其它初始兴趣点的签到时间信息的差值，作为第二差值信息；

根据所述第一差值信息和所述第二差值信息，得到初始时空关系矩阵。

5.如权利要求3所述的个性化兴趣点推荐方法，其特征在于，所述根据所述关联兴趣点的位置信息和所述关联兴趣点的签到时间信息，得到关联时空关系矩阵包括：计算每个所述关联兴趣点的位置信息与其自身及其它关联兴趣点的位置信息的差值，作为第三差值信息；

计算每个所述关联兴趣点的签到时间信息与其自身及其它关联兴趣点的位置信息的差值，作为第四差值信息；

根据所述第三差值信息和所述第四差值信息，得到关联时空关系矩阵。

6.如权利要求2所述的个性化兴趣点推荐方法，其特征在于，所述根据所述映射后的初始时空关系矩阵，得到初始时空关系信息包括：从所述映射后的初始时空关系矩阵中获取第一时间参数集合和第一位置参数集合；

将所述第一时间参数集合中的时间参数进行求和，得到第一时间参数和；

将所述第一位置参数集合中的位置参数进行求和，得到第一位置参数和；

对所述第一时间参数和与所述第一位置参数和进行求和，得到初始时空关系信息。

7.如权利要求2所述的个性化兴趣点推荐方法，其特征在于，所述根据所述映射后的关联时空关系矩阵，得到关联时空关系信息包括：从所述映射后的关联时空关系矩阵中获取第二时间参数集合和第二位置参数集合；

将所述第二时间参数集合中的时间参数进行求和，得到第二时间参数和；

将所述第二位置参数集合中的位置参数进行求和，得到第二位置参数和；

对所述第二时间参数和与所述第二位置参数和进行求和，得到关联时空关系信息。

8.一种个性化兴趣点推荐装置，其特征在于，包括：数据获取模块，用于获取用户签到数据，所述用户签到数据包括用户信息集合、每个用户信息对应的兴趣点集合、每个兴趣点的位置信息以及每个兴趣点的签到时间信息；

关联信息获取模块，用于基于图神经网络的传播层，对所述用户信息集合和所述兴趣点集合进行训练，得到关联用户信息和关联兴趣点信息；

关联信息更新模块，用于根据预设的衰减权重，对所述关联兴趣点信息和所述关联用户信息进行更新，得到更新后的关联兴趣点信息和更新后的关联用户信息；

兴趣评分计算模块，用于将所述更新后的关联兴趣点信息和所述更新后的关联用户信息输入到图神经网络的预测层进行计算，得到用户兴趣评分，作为兴趣点推荐分值；

排序模块，用于基于预设的排序规则，对用户的所有所述兴趣点推荐分值进行排序，得到每个用户对应的兴趣点推荐列表；

推荐模块，用于根据所述兴趣点推荐列表，向所述兴趣点推荐列表对应的用户推荐兴趣点。

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至

7任一项所述的个性化兴趣点推荐方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的个性化兴趣点推荐方法。