本发明提供一种基于用户轨迹的兴趣点推荐方法，首先收集用户轨迹数据，并删除原始数据集中的乒乓数据和漂移数据以降低噪声数据对推荐方法准确度的影响，然后提取不同区域内的属性特征，统计POI所在位置的周边人流量数据以及上、下行人流量数据，构建训练样本集，最后联合Wide模型和Deep CNN模型设计模型Wide&Deep CNN，利用模型Wide&Deep CNN对待监测地区内待推荐的POI进行评分值的预测，本发明充分利用用户轨迹数据构建训练样本集，基于神经网络模型生成不同类型POI的评分指，进而根据评分值生成POI列表。该方法深入挖掘移动大数据中蕴藏的时空信息，分析大众的需求，更好的解决了兴趣点推荐问题。