随着互联网的快速发展,网络技术在旅游业得到越来越广阔的应用。游客常常通过旅游网站的在线点评反馈景点游览过程中的经历和情感体验,也有越来越多的潜在游客出游前会关注景点的评论信息,以此作为出游决策的参考之一。一方面,随着在线点评数据的不断增多,海量的点评文本需要用户耗费大量时间阅读并筛选,用户短时间内较难获取景点全方位的完整信息。另一方面,游客的饮食、交通、住宿等细化诉求已成为旅游活动的重要组成部分,随着旅游电商平台的快速发展,网站上存在着大量用户相关信息,但是大部分旅游网站的推荐系统仍停留在根据浏览、收藏等信息,获取游客出游意向或者具体景点意向,景点评分也是针对整体的评分,此方法无法满足游客更加细化的诉求。如何运用对点评数据的采集、管理、分析等,实现游客在网站上高效和个性化的体验,已成为旅游业线上发展的重要方向。基于以上背景,本研究在深入学习国内外推荐算法和情感分析相关理论及其研究成果的基础上,通过文献分析法、对比法、数学建模等研究方法,以景点的点评信息作为实验数据,从旅游“吃、住、行、游、购、娱”6大要素出发,基于点评数据构建景点标签向量和用户偏好标签向量。通过构建旅游情感词典及情感计算规则,提出了情感词典与朴素贝叶斯模型相组合的情感值计算方法。最终通过结合标签情感值的基于TF-IDF的标签推荐算法,为目标用户实现个性化景点推荐。本文主要研究工作及创造性成果如下:（1）本研究纵向深入挖掘点评数据价值,从旅游六要素出发,更细化地构建景点标签向量和用户标签向量。分布式爬虫获取网站上景点评论数据和目标游客的历史评论数据。通过朴素贝叶斯模型,一方面,基于景点的评论数据获取景点六要素标签向量、标签-情感倾向组合向量。另一方面,通过目标用户的历史评论数据获取用户的偏好标签向量。（2）以点评数据为基础,构建旅游情感词汇及计算规则。通过情感词典与朴素贝叶斯相结合的方式,确定景点细分标签的情感值。（3）相较于传统的标签推荐算法,本研究借鉴TF-IDF思想,采用基于TF-IDF的标签推荐算法,同时将标签情感值与改进后的标签算法相结合。以准确率和召回率作为验证方式,通过实验结果表明,结合了标签情感值的基于TF-IDF的标签推荐算法实验指标都要高于传统标签推荐算法。（4）针对目前旅游市场的需求,以网站的点评数据为基础、结合情感值的基于TF-IDF的标签推荐算法为方法论,构建基于点评数据的个性化景点推荐系统。以Window10、Mysql5.7.4、Apache服务器作为系统的环境配置,采用PHP作为开发语言进行系统搭建。主要功能涉及景点展示、景点推荐列表、景点评论及推荐反馈等,为游客提供景点信息服务。在推荐算法的实际应用中,具有一定参考价值。