随着位置社交网络的快速发展,海量的用户行为信息得以积累。在此背景下,如何准确地帮助用户在海量信息中找到感兴趣的位置点、减少用户决策时间是学术界和工业界亟待解决的问题,兴趣点推荐系统应运而生。其中,兴趣点推荐系统的一个重要目标是用户行为的刻画。然而,现有兴趣点推荐方法往往通过用户对兴趣点的偏好刻画用户行为,导致推荐效果不如预期。用户对兴趣点的信任反映了用户对兴趣点的兴趣及认可,影响兴趣点推荐系统刻画用户行为。因此,本文引入了位置社交网络中用户与兴趣点间的信任计算,提出并研究融入信任的兴趣点推荐方法。本文的主要工作如下:(1)提出了获取用户与兴趣点间信任的方法。基于信任传递的原理,利用用户在位置社交网络中的行为信息挖掘用户与兴趣点间的信任关系,构建用户与兴趣点间的信任。(2)研究了信任融入推荐过程的方式。按照将信任融入到兴趣点推荐过程中的阶段划分,从预过滤、后过滤及建模三个角度对信任融入方式进行比较分析,为研究融入信任兴趣点推荐过程提供了新的思路。(3)实现了融入信任的兴趣点推荐信任后过滤方法。基于信任后过滤的原理,利用用户与兴趣点间的信任,对基于用户签到行为的兴趣点预测评级进行优化调整,得到既满足用户与兴趣点偏好,也满足用户与兴趣点间信任的推荐结果。(4)采用Gowalla数据集进行实证研究,并选取准确率、召回率和F值作为衡量推荐效果的指标。研究获取推荐方法的最优参数,对多组对比实验进行综合分析,衡量本文提出的方法的效果。研究表明,本文提出的获取用户与兴趣点间信任的方法可以比较准确的刻画用户与兴趣点间的信任行为,并且,融入信任的兴趣点推荐信任后过滤方法的推荐效果优于基于用户签到行为的兴趣点推荐方法。本文的研究结果对于改善兴趣点推荐效果的相关研究具有重要的理论和实践意义。