随着网络信息技术的飞速发展，人们面对海量的信息资源往往难以找到符合自己兴趣的信息，陷入信息过载的困境。个性化推荐系统能够收集用户的偏好、习惯和个性行为等信息，尽可能地给用户提供符合其兴趣的商品或服务，而且是一种主动的服务形式。电子商务个性化推荐系统不仅能够使用户很方便地找到满足需求的产品，同时也能使企业的竞争能力提高，因而在很多网站上得到广泛运用。本文在借鉴国内外研究成果的基础上，通过分析电子商务网站上用户对酒店的评分特点，将协同过滤的改进算法应用到酒店的推荐中，主要工作包括：（1）本文分别从用户和酒店供应商的角度，分析了个性化推荐服务对于酒店电子商务营销的作用，并介绍了相关的概念和作用，以及实现推荐服务的若干技术。（2）传统协同过滤推荐算法只考虑用户总体评分，没有考虑用户对项目多个侧面评分，进而影响算法推荐的精度以及无法更加精确地体现用户个性化的特点。本文结合携程网上用户对酒店多维度的打分信息，改进了传统协同过滤算法中推荐准确度不足的缺陷，提出基于酒店多维度属性打分的协同过滤推荐算法。通过直接改进传统协同过滤算法中相似性的计算，提出基于相似性扩展及基于距离的协同过滤算法；通过分析用户对酒店评分属性的偏好，提出了基于属性偏好的协同过滤算法。（3）本文收集了携程网上的酒店评分数据进行实验分析，实验结果表明基于酒店多维度属性打分的推荐算法在推荐准确度上比只利用单个打分的传统协同过滤算法更好。