兴趣点（POI）推荐可以帮助用户发现其没有访问过但可能感兴趣的地点，是重要的基于位置的服务之一。时间在POI推荐中是一个重要因素，而现有POI推荐模型并没有较好地考虑时间因素，因此通过考虑时间因素来提出融入时间的POI协同推荐（TUCF）算法，从而提高POI推荐的效果。首先，分析基于位置的社交网络（LBSN）的用户签到数据，以探索用户签到的时间关系；然后，利用时间关系对用户签到数据进行平滑处理，以融入时间因素并缓解数据稀疏性；最后，根据基于用户的协同过滤方法，在不同时间推荐不同POI给用户。在真实签到数据集上的实验结果表明，与基于用户的协同过滤（U）算法相比，TUCF算法的精确率和召回率分别提高了63%和69%；与具有平滑增强时间偏好的协同过滤（UTE）算法相比，TUCF算法的精确率和召回率分别提高了8%和12%；并且TUCF算法的平均绝对误差（MAE）比U算法和UTE算法分别减小了1.4%和0.5%。