随着经济的高速发展,人们的物质生活水平也随之提升,促使旅游行业迅速发展。旅游出行在旅游产业链中所占比重非常大,所以提供智能化旅游出行尤为重要,个性化旅游推荐日益成为发挥景点特色的一个重要课题。但用户对景点的兴趣与餐饮住宿所产生的兴趣点差别较大,很难获悉游客下一个确定的游玩目标,且受天气、交通、人流量等不可抗因素的影响较大。目前景区旅游服务数据较多,类型也多种多样,面对如此庞大的旅游资源信息,游客若想查询旅游信息,需耗费大量时间,这样只会给游客带来极大不便。所以,为了解决上述特征对用户在以往普通的检索系统中所产生的缺少方向性的问题,亟需构建一种智能化的旅游推荐系统。“互联网+”旅游的快速发展,催生了大量的旅游景点评论、评分和图片等信息,这些信息成为了用户是否选择旅游产品的重要参考因素。传统推荐仅考虑用户评分单一情况,并且传统推荐模型存在推荐率低、效率低和不安全等问题,最终导致推荐结果往往不如人意。为了解决这些问题,本文提出了以下方法:(1)由于用户数量和旅游景点数量众多,导致用户和景点之间是一个稀疏矩阵,针对旅游数据稀疏问题以及传统推荐算法准确度不高等问题,提出一种基于景点主题的因子分解机推荐方法。通过与基于评分的协同过滤推荐和基于主题的协同过滤作比较,基于景点主题的因子分解机模型具有更高的准确度、召回率;(2)基于传统推荐存在推荐率低和仅仅考虑单一评分问题,结合现有的用户评论信息以及游客评分,在传统的协同过滤的基础上,提出了一种融入用户情感度评分、景点流行度和景点主题评分的一个混合模型;(3)基于传统协同过滤模型存在的效率低和不安全等问题,提出了在协同过滤模型上融合K-Means聚类算法和RSA的盲签名算法,对传统的旅游推荐模型进行改进。K-Means聚类算法能改善传统推荐系统中效率低的问题,利用盲签名算法对推荐结果加密,在一定程度上保护了用户隐私。