随着互联网技术的快速发展以及人均消费水平的提高,外出旅游成为了人们放松心情的一种时尚性消费活动,但如何及时、准确的选择适合自己旅游景点和路线,以节省时间、金钱并获得更好的旅游体验是目前所面对的问题。当前国内主流旅游网站中在景点和路线推荐所提供的都是大众化、普遍性的推荐。为了弥补推荐结果不具有针对性和个性化的现状,本文以众源地理数据作为数据来源,提出基于景点标签聚类和用户评分的景点推荐算法和基于多维特征聚类的路线推荐算法,以ArcGIS for Android技术、数据库技术和前端技术作为技术支持,设计、开发旅游推荐系统,实现了所提出的旅游推荐算法。在众源地理数据获取与处理方面。以青岛为研究区域,并将马蜂窝旅游网站作为数据来源网站,使用集搜客(GooSeeker)网站数据爬虫工具爬取景点信息、评分和游记文本数据,并使用python和jieba分词库对数据进行预处理,最后将处理后的景点信息、景点评分、旅游路线和量化后的景点标签、旅行特征数据存入数据库。在基于景点标签聚类和用户评分景点推荐方面。针对传统协同过滤推荐算法存在的数据稀疏和冷启动问题,将景点根据标签进行K-Means聚类操作,在原有的评分相似度基础上,引入由推荐可信度和质量可信度组成的评分可信度,以此来提高推荐精度,将评分相似度和评分可信度进行线性组合作为最终推荐方法并对结果进行TOP-N输出,最后对推荐算法进行MAE值对比验证,实验结果表明,该算法不仅降低了数据的稀疏性,同时也提高了推荐精度,具有更好的稳定性。在基于多维特征聚类的路线推荐方面。针对旅游网站在路线推荐中没有考虑用户个性特征的问题,首先将众源数据中用户的出行时间、费用、天数、人物和是否含有酒店和美食等出行特征进行属性加权K-Means聚类操作,使得同一类别中的用户在旅游路线的选择上更具有相似性。为了提高路线推荐精度,使用基于Apriori算法的频繁景点序列挖掘推荐路线,然后计算推荐路线的流行度,根据流行度结果将推荐路线进行TOP-N输出,并对推荐算法进行准确率、召回率、F-Measure值验证,实验结果表明,该算法在满足用户自身需求的基础上,具有更高的准确度。在旅游景点及路线推荐系统实现方面。系统实现了根据用户的个人偏好和景点评分进行旅游景点推荐和结果输出,同时可以根据出行的特征推荐出符合用户需求的旅游路线,并采用列表与地图可视化两种形式对推荐结果进行可视化输出。通过实验分析和系统测试,本文所提的方法能够准确、有效的进行景点和路线推荐,在满足用户自身需求和个性化推荐上具有一定意义。