随着移动互联网快速发展,以大众点评、Yelp等为代表的位置信息服务应用日益普及,用户通过签到、评论等行为分享他们喜爱的兴趣点,以记录所见所闻、旅行足迹。由于兴趣点数据呈指数级别增长,为了帮助用户找寻感兴趣的位置地点,兴趣点推荐技术应运而生。基于兴趣点推荐结果,服务商可以帮助用户快速获取满足喜好的兴趣点,提升用户体验;同时,也可以帮助店铺精准地吸引潜在客户,提高营销收入。相较于电影、音乐等推荐任务,兴趣点推荐任务因其数据稀疏性强、地理相关影响大的特点而面临严峻的挑战。相关研究表明,在推荐模型中融入语义影响（如属性、类型等）、地理影响等因素能够提高兴趣点推荐的性能。然而,目前相关研究在考虑兴趣点语义相关性及地理区域划分粒度等方面仍存在一定不足:一方面,用户通常喜爱类型和属性相似的兴趣点,但是现有研究工作通常将类型作为过滤条件,要求类型精确匹配,未充分挖掘类型相似兴趣点之间的语义相关性。另一方面,现有工作在考虑地理影响时,通常将城市划分为固定大小的区域,但粗粒度划分将影响推荐准确度,而细粒度划分将导致计算开销大、样本稀疏问题,无法适应区域环境动态变化的兴趣点实时推荐场景。为此,本文将知识图谱引入兴趣点推荐以挖掘兴趣点相关性,构建空间语义图并刻画动态区域环境,实现兴趣点实时推荐。本文的具体研究工作主要包括:（1）提出了基于知识图谱语义相关性的兴趣点推荐模型。本文研究利用知识图谱挖掘兴趣点相关性,提出一种基于知识图谱的兴趣点语义特征提取机制,针对兴趣点属性、类型的不同特点,基于图谱表示学习技术和庞加莱球面模型获得隐含兴趣点相关性的语义表示,从而设计兴趣点推荐模型。在真实数据集上验证了提出模型的有效性。（2）提出了面向动态区域的兴趣点实时推荐模型。本文基于兴趣点知识图谱构建空间语义图,并提出了一种基于空间语义图的动态区域特征刻画机制,以自适应地表征不同地理范围的区域环境特征;并建模时序上动态变化的用户长短期兴趣偏好,从而实现面向动态区域的兴趣点实时推荐。在真实数据集上验证了提出算法的有效性。（3）设计与实现了一个基于知识图谱的兴趣点实时推荐原型系统。系统离线部分负责数据的管理以及模型的训练,系统在线部分负责个性化展示满足实时性需求的兴趣点推荐结果。在系统性能上验证了推荐效果的实时性。综上,本文将知识图谱引入兴趣点推荐,通过构建兴趣点知识图谱和空间语义图,实现面向语义相关性和动态区域环境的兴趣点实时推荐,并基于理论研究成果,设计与实现了基于知识图谱的兴趣点实时推荐原型系统。本研究成果将推进知识图谱在城市计算中的应用,为构建兴趣点推荐机制以及相关的本地生活服务应用提供支持。