自改革开放后,我国快速迈入信息时代。在信息爆炸性增长的现在,各行各业都面临着信息过载的问题,旅游业也不例外。浩如烟海的数据令游客在选择旅游目的地时需要消耗极高的时间成本与精力成本。如何从大量的景点之中花费最少的时间收获最为满意的旅行体验,如何更准确地根据用户的兴趣及行为向游客推荐其可能感兴趣的目的地和旅游路线已然成为亟需解决的问题。因此,本文为降低游客制定旅行计划的精力成本,分别从景点和路线两个角度入手,开展景点推荐和路线推荐研究。本文的主要工作如下:（1）基于深度学习的景点推荐方法研究。目前在旅游推荐领域内使用最为广泛的推荐方法为协同过滤推荐。这种推荐算法在推荐时只依靠单一的用户评分数据,且在数据较为稀疏时存在严重的冷启动问题,无法满足新一代用户的复杂需求。目前,深度学习在书籍推荐,电影推荐等领域有着较好的应用。因此,本文提出了融合特征和评论特征的基于深度学习的旅游景点推荐算法。本文从携程网采集景点信息与用户评价。从特征抽取和用户评论分析两个角度着手,为用户提供个性化旅游景点推荐服务。实验结果表明,与现有景点推荐方法对比,本文提出的算法在准确率上有明显提高,平均绝对值误差也有所改善。（2）旅游路线推荐方法研究。游客在旅行后写下的游记中包含了大量的信息。本文在了解构建数据库所需要的原则与技术后,在携程网上爬取了1500余篇游记,人工归纳旅游路线并构建路线库。当用户输入旅游路线需求后,使用相似度计算模型可以快速帮助游客找寻到路线库中与用户需求最贴合的三条旅游路线,并通过网页的形式实现推荐路线可视化。