随着基于位置的服务应用的日益普及,基于位置的社交网络(LBSN)已经吸引了大量用户在他们的偏好兴趣点签到,这些用户和他们的朋友们分享他们访问这些兴趣点的经验和乐趣。从而诞生了海量的带有位置信息和社交网络信息的兴趣点签到数据。为了从这些签到数据中提取出有价值的信息为用户提供更加人性化的服务,兴趣点推荐方法应运而生。兴趣点推荐方法有助于帮助用户探索周边生活环境,提高生活质量。故而,兴趣点推荐目前受到了学术界和工业界广泛的关注,并且成为了推荐领域的研究热点。本文主要研究兴趣点推荐方法,通过使用基于嵌入方法对兴趣点与用户,兴趣点与兴趣点之间的关系进行更加细粒度的刻画,提供更高质量的个性化推荐服务。本文主要研究内容如下:(1)本文着重研究了兴趣点推荐问题,介绍了已有的兴趣点推荐方法,描述了具有代表性兴趣点推荐方法,并分析了其中存在的问题,为后续研究工作提供了坚实的理论支持。(2)针对当前已有兴趣点推荐方法在用户社交网络方面存在的问题,我们提出了一个基于嵌入方法的社交个性化嵌入模型。利用更加精确的用户社交网络关系提高兴趣点推荐准确率。(3)针对不同兴趣点的属性不同这个问题,我们提出了基于嵌入方法的兴趣点属性分层嵌入模型。该模型通过嵌入方法将兴趣点与兴趣点之间的属性关系比较精确的刻画出来,提高兴趣点推荐效果。(4)本文在真实数据集上验证了本文提出方法的有效性。实验结果表明,本文提出的基于嵌入方法的兴趣点推荐算法在多个评价标准下都要优于目前先进的兴趣点推荐算法。此外,本文还实现了可视化的基于嵌入方法的兴趣点推荐系统。