本申请公开了一种基于行为序列和动态社交影响的连续兴趣点推荐方法。首先获取目标用户以及好友的签到行为数据记录，进行预处理得到签到行为序列；并将目标用户的签到行为序列并划分为长期行为序列和短期行为序列，并输入到模型中得到长期偏好向量与短期意图向量，聚合后得到行为序列影响结果；然后，获取目标用户与其好友的签到行为序列之间的相关性并确定上下文影响向量，基于对该好友的信任度以及用户基于不同上下文时受到的上下文影响得到与对该好友的动态社交影响结果；最后，根据行为序列影响结果和动态社交影响结果得到连续兴趣点推荐结果。可以看出，本发明在时空背景下综合考虑了序列信息和社交因素对用户连续访问行为的影响。