近年来,随着互联网的迅速发展,网络信息量呈爆炸式增长。海量的信息虽然让用户有了更多地选择,但同时也造成了用户选择信息时的迷茫和无助。因此,相关学者们为解决此问题开始研究各种办法,推荐系统属于一种对此问题比较有效果的解决办法。其基本思想在于对用户的历史行为数据进行挖掘和分析,深入的理解用户和项目之间的关系,帮助用户在海量的信息中选择用户最有可能感兴趣的内容推荐给用户,让用户不再有面对海量信息时的无助,利用推荐系统的解决方法一定程度上缓解了这一难题,为广大互联网用户提供了相对便捷的个性化推荐服务^[1]。同时移动通讯设备的快速发展,其方便性、易携带性使得用户在日常生活中越来越喜欢通过移动设备获取信息,因此把推荐技术应用到移动智能设备上也是大势所趋^[2]。移动设备上的推荐系统对用户进行推荐时,要求我们更多地考虑实时地点方面的影响因素,用户所处的实际地理位置不同就会有不同的实际需求。为了更好地研究使用移动智能设备来为用户产生令其比较满意的推荐结果,本文通过研究推荐技术的相关内容,分析当前已有的个性化推荐技术的国内外发展现状以及对比各种推荐算法,提出了一种以用户的实际地理位置为出发点,结合用户的兴趣偏好来为用户产生更精准、更高质量的地点推荐算法。本文的主要工作如下:（1）本文提出一种基于地点的个性化推荐算法,该算法通过计算地点签到相似度、地点标签相似度以及地点之间的距离三个方面对地点推荐的影响,综合考虑这三个影响因素来为用户产生初步的地点推荐结果。（2）本文设计了一种计算用户评分特征的方法,该方法通过分析用户对地点的评分数据来预测用户对地点某些标签的偏好,通过综合评比来预测用户对某一新的地点的偏好程度。（3）基于上述相关的研究内容,本文提出一种基于实时位置的用户兴趣地点推荐算法,本算法综合考虑到用户的兴趣以及用户使用移动设备时的位置不确定性,为移动设备用户产生更高质量的地点推荐结果。（4）本文设计了一个基于Android平台的APP应用系统,将本文所提出的基于实时位置的用户兴趣地点推荐算法应用在该系统中,实现了系统的主要核心功能,通过所设计的系统验证了所要实现的效果。