网络及移动设备的普及促使基于位置的社交网络(Location Based Social Network)被人们广泛使用,为个性化的兴趣点推荐系统带来了巨大的发展前景.用户出行受到多方面因素影响,当前兴趣点推荐多数利用地点的地理位置和用户的社会关系,只同时考虑两种或三种影响因素,影响因素利用不够全面导致准确率难以提高.此外,推荐系统仍存在数据稀疏和冷启动问题,大多数研究也没有讨论本地和异地推荐问题.本文提出了一种基于张量分解的多维信息融合的兴趣点推荐通用模型,先利用社会关系、兴趣点类别和时间因素构造三阶张量并定义用户常驻地用于刻画用户画像,再利用地理因素和流行度影响构造地点标签,结合两者后分配影响因素权重,最后得到每个用户的TOP-N个兴趣点进行推荐.在Foursquare数据集上的实验结果表明,该算法不仅具有灵活的扩展性和较低的复杂度,而且相比当前流行的兴趣点推荐算法获得了较为显著的准确率提升.