Los sistemas recomendadores de puntos de interés (POI) han ganado una gran popularidad en los últimos años debido a la prosperidad de las redes sociales basadas en la ubicación (LBSN). Sin embargo, en aras de los servicios de personalización, se recopila información contextual sensible, lo que genera posibles preocupaciones de privacidad. Este artículo propone un marco de recomendación de POI preservando la privacidad en cascada (CRS) que protege información contextual como comentarios de usuarios y ubicaciones. Demostramos un equilibrio minimizado entre la característica de preservación de la privacidad y la precisión de predicción mediante la aplicación de un modelo semi descentralizado a conjuntos de datos del mundo real.