移动网络和智能设备的普遍应用推动了基于位置服务（Location-based Service，LBS）的高速发展，兴趣点（Point of Interest，POI）推荐是基于位置服务中的一项关键技术，其研究已经受到国内外研究者的广泛关注。　　当前的兴趣点推荐算法主要侧重于拟合用户-兴趣点评分矩阵，目标是得到用户满意度最高的兴趣点集合，然而该类方法忽略了推荐列表所包含兴趣点的多样性，导致推荐结果之间通常比较相似，从而不能达到有效扩展用户视野的效果。实际上，为用户推荐与其偏好相关但彼此之间又有一定差异的兴趣点更有实际意义。针对上述问题，提出一种基于兴趣点之间地理关系和社会关系的多样性与个性化推荐方法。首先，将兴趣点之间的地理关系与社会关系相融合，构建地理-社会关系模型，以此评估兴趣点之间的相关度，所有兴趣点之间的相关度形成了兴趣点相关度矩阵。在相关度矩阵的基础上，采用谱聚类方法对兴趣点进行聚类，得到若干个具有差异性的兴趣点集合。在此基础上，采用概率因子模型从各聚类中选出贴近用户偏好的兴趣点，进而根据用户满意度对兴趣点进行降序排列，最终得到多样性与个性化的兴趣点推荐列表。　　通过与单纯进行兴趣点个性化推荐算法进行对比实验，结果表明提出的方法不仅丰富了兴趣点推荐列表的多样性，同时也具有更高的推荐准确性，实现了兴趣点推荐的多样性与个性化的有机融合。多样性与个性化的兴趣点推荐列表，不仅可以满足用户偏好，同时也具备扩展用户视野的效果，对于改善现有的基于位置服务系统的服务质量具有重要意义。