下一个地理兴趣点推荐的任务在近年来被广泛研究,然而,由于各相关因素的异构性,设计一个包含与地理兴趣点和用户相关的多个因素的统一的框架仍然是十分有挑战性的。而且,如何设计能有效处理冷启动样本的机制也是一个难题。近年来,神经网络快速发展,在多个领域中都有着不错的表现。受此启发,我们在这篇工作中提出了一个虽然简单,但是有效的神经网络框架,称为NEXT,对用户下一个地理兴趣点进行推荐。NEXT是一个统一的框架,通过一种综合的方式结合多种因素来学习用户下一次行动有关的潜在意图。具体地,在NEXT里,我们结合了额外的元数据信息,比如,用户社交、地理兴趣点的文本描述以及两种时间上下文(比如,两次签到之间的时间间隔和签到时间)。为了利用签到数据的连续特性以及地理位置的影响,我们利用DeepWa1k,一种网络表示学习技术,来编码这种知识。我们对比了 NEXT与目前最先进的方法和基于神经网络的方法的效果,在三个公开数据集上的实验结果表明,NEXT在用户下一个地理兴趣点实时推荐上显著优于其他的基线方法。进一步的实验也表明NEXT在处理冷启动方面也有着不错的表现。