随着移动互联网的飞速发展以及大数据时代的来临,用户通过终端能获得的信息量爆炸式增长,产生了“信息过载”。为了从海量信息中挖掘到用户感兴趣的信息,推荐系统应运而生。其中,POI（Point of Interest）推荐是推荐系统中的重要场景。POI推荐旨在根据用户的历史交互序列,学习出更准确的用户兴趣表示,以便于向户推荐感兴趣的景点。但在现实生活中,历史交互序列无法反映出用户的当前动态偏好。而对话推荐可以通过对话收集用户动态偏好,能在一定程度上缓解此问题。由于强化学习通过模拟学习过程中的奖惩机制,能够做出更有长远收益的决策,可以更好地解决序列决策问题。目前很多工作将强化学习应用到对话推荐中,通过强化学习训练高效的对话策略,从而更快地获得用户的当前偏好信息,帮助做出更好的推荐。本文致力于研究如何通过合适的方式将用户历史交互序列融入对话推荐模型中,围绕时空信息与用户多兴趣信息展开探索,通过强化学习训练出高效的对话策略,实现更好的POI对话推荐。本文主要工作如下:（1）分析了当下POI推荐与对话推荐的研究背景和意义,及国内外研究现状,之后介绍了相关概念与深度强化学习等技术。（2）为了解决传统POI推荐方法无法获得用户动态偏好且现有对话推荐方法未考虑时空信息的问题,本文提出基于时空PG策略的POI对话推荐方法。该方法使用自注意力网络学习融合时空信息的嵌入表示。基于嵌入表示和用户交互序列设计融合时空信息的对话状态,通过强化学习中的策略梯度算法（Policy Gradient,简称PG）学习考虑时空信息的对话策略,基于强化学习的对话策略根据融合时空信息的对话状态选择对话动作,通过提问或推荐获得用户动态偏好,帮助进行准确的POI推荐。最后在两个真实数据集上进行实验,验证了模型的有效性。（3）对于POI对话推荐中的用户兴趣多样化问题,本文提出基于多兴趣与节点级AC策略的POI对话推荐方法。该方法通过图路径推理的方式进行对话推荐,基于自注意力网络和门控循环单元学习当前对话的用户偏好属性集合中的属性嵌入表示所表示的多个用户兴趣表示及其权重。将兴趣表示的加权平均输入强化学习中的Actor-Critic网络（简称AC网络）学习考虑用户多兴趣信息的细粒度对话策略。基于强化学习的细粒度对话策略根据兴趣表示的加权平均计算代表每个候选动作的图节点的执行概率,根据概率进行路径推理。从而进行更高效的对话与更准确的POI推荐。最后在两个真实数据集上进行实验,验证了模型的有效性。（4）为了学习用户、POI及属性之间的复杂关系并缓解兴趣表示中的噪声干扰,本文提出基于时空图卷积兴趣与权重去噪AC策略的POI对话推荐方法。该方法基于图卷积网络强大的表示能力获得融合时空信息的图嵌入表示,然后通过自注意力网络与门控循环单元获得多个融合时空信息的用户兴趣表示及其权重。仅将权重Top-k的时空兴趣表示输入强化学习中的Actor-Critic网络（简称AC网络）以去除低权重部分噪声,不同的时空兴趣表示输入不同的Actor-Critic网络中学习时空兴趣表示条件下候选动作的执行概率,对多个Actor-Critic网络进行强化学习训练,每次选择Top-k的时空兴趣表示条件下概率最大的动作进行对话。通过使用信息更丰富的图嵌入表示以及对时空兴趣表示的去噪获得更好的POI对话推荐效果。最后在两个真实数据集上进行实验,验证了模型的有效性。