1.一种基于跨域关联的兴趣点推荐方法，其特征是，包括步骤如下：

步骤1、将用户在源域和目标域中的数据分别存储到源域矩阵和目标域矩阵中，其中源域矩阵的内容是用户购买物品及其购买次数，目标域矩阵的内容是用户签到兴趣点及其签到次数；

步骤2、采用LDA模型对每个用户的源域矩阵和目标域矩阵分别进行用户的购买偏好和签到偏好分布进行分析，得到每个用户的购买偏好分布和签到偏好分布；

步骤3、基于当前冷启动用户的购买偏好分布与其他用户的购买偏好分布，计算当前冷启动用户与其他用户之间的用户购买偏好相似度，并据此找到源域中与当前冷启动用户购买偏好相似的用户即共同用户，并将这些共同用户的购买偏好分布和签到偏好分布形成训练集后，输入MLP模型中进行训练，得到当前冷启动用户的MLP映射函数；

步骤4、以当前冷启动用户所在的某个签到兴趣点为中心，划定一个半径为r的圆的范围，将这个范围即兴趣点商业圈内所有用户签到过的历史记录存储到兴趣点历史签到矩阵中；其中r为设定值；

步骤5、采用LDA模型对兴趣点历史签到矩阵进行分析，得到当前兴趣点商业圈内所有用户的历史签到偏好分布；

步骤6、将当前冷启动用户在步骤2所得的购买偏好分布输入到步骤3所得的MLP映射函数中，得到当前冷启动用户的匹配签到偏好分布；

步骤7、基于当前冷启动用户的匹配签到偏好分布和当前冷启动用户所在兴趣点商业圈的历史签到偏好分布，计算当前冷启动用户偏好与兴趣点商业圈内兴趣点签到偏好的匹配度；

步骤8、先将步骤2所得当前冷启动用户的购买偏好分布和步骤6所得匹配签到偏好分布进行点乘计算，再将该点乘计算的结果与步骤7得到的当前冷启动用户偏好与兴趣点商业圈内兴趣点签到偏好的匹配度进行相乘计算，得到当前冷启动用户对于兴趣点商业圈内未签到过的兴趣点的预评分，并将预评分排在前面的兴趣点推送给当前冷启动用户。

2.根据权利要求1所述的一种基于跨域关联的兴趣点推荐方法，其特征是，步骤2中，购买偏好分布通过一个K维的向量来进行表示，该向量内容是用户对购买物品的偏好权重；签到偏好分布通过一个K维的向量来进行表示，该向量内容是用户对签到兴趣点的偏好权重；

其中K为设定值。

3.根据权利要求1所述的一种基于跨域关联的兴趣点推荐方法，其特征是，步骤3中，当前冷启动用户u'与源域中其他用户u之间的用户购买偏好相似度 为：其中， 表示在购买偏好分布中，冷启动用户u'在某个时间段tk内购买偏好主题下的词分布， 表示在购买偏好分布中，其他用户u在某个时间段tk内购买偏好主题下的词分布。

4.根据权利要求1所述的一种基于跨域关联的兴趣点推荐方法，其特征是，步骤7中，当前冷启动用户u'与兴趣点商业圈内内兴趣点p的匹配度 为：其中， 表示在匹配签到偏好分布中，冷启动用户u'在某个时间段tk内匹配签到偏好主题下的词分布； 表示在历史签到偏好分布中，冷启动用户u'在的当前的兴趣点在某个时间段tk内所处兴趣点商业圈内历史签到偏好主题下的词分布。

5.根据权利要求1所述的一种基于跨域关联的兴趣点推荐方法，其特征是，步骤8还进一步包括，将当前冷启动用户对于兴趣点商业圈内未签到过的兴趣点的预评分加上该兴趣点的全局平均签到次数，得到最终预评分，并将最终预评分排在前面的兴趣点推送给当前冷启动用户。