توصیه مکان جذاب یکی از کاربردهای مهم شبکه­های اجتماعی مکان مبنا برای کاربران و مدیران کسب وکارهای مختلف به شمار می­رود. شبکه­های اجتماعی مکان مبنا شامل ارتباطات پیچیده و گسترده­ای از قبیل ارتباطات میان مکان­های مختلف، کاربران مختلف، ارتباط میان کاربران و مکان­ها و دیگر ارتباطاتی از این دست می­باشد که بررسی و مدلسازی دقیق آنها می­تواند منجر به توصیه سازی بهتری در این حوزه شود. از آنجایی که این روابط عموما روابط ساده­ی دو به دویی نیستند نمی­توان آنها را با استفاده از گراف معمول به درستی مدلسازی کرد. این مقاله سعی دارد تا با استفاده از ساختار ابرگراف مدلی برای محاسبه شباهت مکان­ها و کاربران ارایه دهد و با اعمال آن در روش پالایه مشارکتی باعث بهبود توصیه سازی آن شود.  نتایج حاصل از این تحقیق بر روی داده­های شبکه­ اجتماعی مکان مبنای Foursquare نشان می­دهد که صحت روش پیشنهادی در مقایسه با روش­های موفق پیشین حدود %2.7 بیشتر است. در واقع نتایج حاصله گواه آن است که به کار­گیری روابط درجه بالا میان کاربران و مکان­ها می­تواند به بهبود عملکرد توصیه­سازی کمک نماید. علاوه بر این، نتایج این تحقیق نشان می­دهد که اعمال روش محاسبه شباهت پیشنهاد شده در روش پالایه مشارکتی در مقایسه با روش­های رایج محاسبه شباهت، صحت را در حدود %33 افزایش می­دهد.