El advenimiento del consumo basado en escenarios móviles populariza y gradualmente madura la aplicación de servicios de recomendación de puntos de interés (POI) basados en la ubicación geográfica. Sin embargo, la insuficiente fusión de datos heterogéneos en los servicios actuales de recomendación de POI conduce a una baja calidad de recomendación. En este documento, proponemos un nuevo modelo híbrido de recomendación de POI (NHRM) basado en características de usuario y factores espacio-temporales para mejorar el efecto de recomendación. El modelo propuesto contiene tres submodelos. El primer modelo considera las preferencias de usuario, las características de olvido, la influencia del usuario y las trayectorias. El segundo modelo estudia el impacto de la correlación entre las ubicaciones de los POIs y calcula la probabilidad de check-in de POI con el método de estimación de densidad de núcleo bidimensional. El tercer modelo analiza la influencia de la categoría de POI. En consecuencia, los resultados anteriores se combinaron y se recomendaron los principales POIs a los usuarios objetivo. Los resultados experimentales en los conjuntos de datos de Yelp y Meituan mostraron que el rendimiento de recomendación de nuestro método es superior a algunos otros métodos, y los problemas de inicio en frío y de dispersión de datos se alivian hasta cierto punto.