为了更准确地预测用户的下一个位置信息,针对现有研究忽略了时间和空间之间关联性的不足,本文提出一种基于时空特性的长短期记忆模型(ST-LSTM)。通过在LSTM(Long Short-Term Memory)网络的基础上添加单独处理用户移动行为时空信息的门(时空门,Spatial-Temporal Gate),将用户签到的时间以及空间因素考虑进来,从而使模型具有时空特性。进一步,为了实现个性化,在ST-LSTM网络中引入了个人修正因子。对每类用户的输出结果进行修正,在保证大众特性的基础上突出个性化,更好的学习每类用户的行为轨迹特征。同时在保证ST-LSTM网络特性的前提下提出了两种ST-LSTM网络的简化变体模型。最后,为评估本文所提算法的效果,在公开数据集上进行测试。实验结果表明,本文所提出的基于ST-LSTM网络的位置预测模型与主流的位置预测方法相比,在多个评估指标上性能都有较好的提升。