随着互联网发展,越来越多的人享受着推荐系统带来的便利,推荐系统帮助用户更加容易地获取感兴趣的内容。推荐算法在推荐系统中占有重要地位,本文研究的Slope One推荐算法是一种基于物品的协同过滤算法,被广泛应用于推荐系统中。旅游业正在蓬勃发展,智慧旅游成为新的热点,推荐算法加快智慧旅游发展。在应用中Slope One算法往往面临单一权重和稀疏性影响推荐质量的问题,针对Slope One算法遇到的挑战,本文提出对Slope One算法的优化策略,主要工作如下:(1)针对Slope One算法选取同时对两个物品都产生过评分的用户数量作为唯一评分权重,本文提出基于多权重的Slope One(Multi-Weight Slope One,MWSO)算法,对预测物品评分提供积极帮助。(2)针对稀疏性问题,本文提出基于辅助项的多权重Slope One(Multi-Weight Slope One with Auxiliary Item,AMWSO)算法。AMWSO算法在用户未评分的项目中选择与预测项目相似度最高的物品作为辅助项,并综合用户的评分和其他用户对辅助项的评分得到辅助项的评分,结合MWSO算法预测目标物品评分。(3)推荐算法在实际应用中需要注意推荐效率的问题,本文在AMWSO算法基础上提出了改进的基于辅助项的多权重Slope One(Improved Multi-Weight Slope One with Auxiliary Item,IAMWSO)算法,通过缩小辅助项选择范围并结合多线程和缓存技术来共同提高时间效率。(4)将改进后的IAMWSO算法应用到旅游景点推荐中,使用网络爬虫获取网站原始数据,对数据清洗后应用IAMWSO算法得到推荐结果。