随着我国科技发展水平的不断提升,交通出行变得更加便捷,旅游已经成为人们在日常生活中普遍选择的休闲方式之一,得到了越来越多人的喜爱。受互联网普及和在线旅游平台的影响,大部分的游客选择通过网络来获取和预订旅游目的地的信息和产品,旅游的方式也从传统的旅行社组团转变成了自驾游。游记文本作为在线旅游平台的组成部分,一般以文本和图片的形式记录旅行者自身的旅行体验和所见所闻所感,是用户自发产生的,具有一定的真实性,可以帮助用户在开展旅游活动时制定行程、规划线路。但面对浩瀚如烟的游记文本,用户不得不花费大量的时间与精力,从中筛选出满意的旅游景点或旅游路线。基于此,本文以成都市为例,运用改进的PSO-Eclat关联规则算法,对在线旅游平台中的游记文本进行挖掘分析并实现旅游景点的推荐服务。主要研究内容如下:（1）提出Eclat和粒子群算法（PSO）相结合的PSO-Eclat关联规则挖掘方法,针对Eclat算法中的最小支持度和最小置信度需要人为提前设置并不断修改,存在一定的主观性和片面性的问题,用粒子群算法来优化Eclat算法中两个参数的取值。（2）根据相关理论与技术,构造出基于游记文本的关联规则挖掘的景点推荐服务模式。为旅游平台实现基于游记文本的精准景点推荐奠定基础。（3）利用“八爪鱼”爬虫技术,抓取“携程网”上发表时间为2016年到2021年关于成都市的游记文本,共计4370篇,并对其进行清洗、去重、分词和特征提取等预处理,提取景点及地点名词共302个,从整体上对游记文本按出行天数和时间、人物关系、人均消费等属性进行特征分析。（4）根据构造好的景点推荐服务模式和改进的关联规则挖掘方法,以爬取到的成都市游记文本数据为例进行实例研究,结合特征分析,按照属性分类,各得到对应的强关联规则的景点推荐。本研究利用网络游记数据,将改进关联规则挖掘方法引入到景点推荐的研究中,以此发现游记文本中景点间的强内在关联特征,并进行景点的推荐服务。按出行时间和天数、人物关系、人均消费等不同属性维度,选出符合的游记文本进行关联规则挖掘,解决当前在线旅游平台对景点推荐方式相对单一,对游记文本不够重视、利用率低的问题。利用游记文本进行景点的挖掘和推荐,可以增大用户和旅游平台之间的粘性,提升旅游供需中的效率,为在线旅游平台进行景点推荐提供了新的方法,具有较大的理论和实践意义。