随着互联网+旅游战略口号的提出、全域旅游系统构想的萌发,智慧旅游、个性化旅游成为旅游行业发展的新趋势。现有的在线旅游系统存在一些问题,如智能化功能不明确、只能被动的接受网站提供的行程规划、忽略用户兴趣、景点只是按热度直观的展示等,这些制约了旅游业的发展。旅游信息化、个性化既要能满足出行者的兴趣,又要能站在用户的角度帮助其进行决策,要结合用户的兴趣和景点信息进行综合分析,提升用户满意度。除了旅游目的地,住宿、旅行路线、美食等相关方面的信息也需要考虑,这涉及到多目标优化问题。本文通过融合先验知识的PKLDA模型对用户兴趣建模,结合景点信息、酒店价格和距离等信息指标,提出一种动态数据集上的k-支配Skyline查询算法。本文的研究工作主要包括:1)针对传统LDA模型主题-词分布杂乱的问题,引入先验知识,提出基于先验知识的LDA模型(PKLDA)进行景点聚类的方法。该方法通过PKLDA模型构建主题-词分布向量,基于主题-词分布矩阵运用k-means方法进行聚类,构建用户兴趣模型,提升用户查询满意度。实验表明,融合知识的主题模型PKLDA能够更好的区分主题,生成的主题-词分布更加符合景点特征。2)针对动态更新的数据集,提出循环递归的k-支配Skyline查询算法,解决多目标优化问题。首先采用分治法计算数据节点的支配能力,构建分块有序数据集,利用数据点支配能力、数据维度和k之间的关系减少节点之间的比较次数,给出静态数据集上的k-支配Skyline查询算法;针对变化的数据集,引入插入节点、删除节点的方法;最后提出动态数据集上循环递归的k-支配Skyline查询算法。实验表明,本文的算法能够提高计算效率,具有更好的性能。