随着旅游业的蓬勃发展,游客的旅游消费特征也渐趋理性化和个性化,如何发现有吸引力的旅游产品成为游客、旅行社与旅游网站共同关心的重要问题。在驴评网等旅游网站上,大量游客发布了海量的旅游相关的信息。然而,这些信息往往非常散乱、缺少结构化的特征,普通游客难以根据它们制定自己的旅游规划。因此,旅游推荐的研究逐渐得到了许多学者的关注。但是,现有方法大都仅考虑用户某一方面的约束,而大部分用户的旅游线路往往受到花销、时间、交通工具等多方面的制约,基于单一约束的推荐结果难以满足真实的用户需求。本文基于互联网提供的海量数据,研究基于多属性的景点评价机制及多约束多目标的旅游路线推荐方法。首先,社会网络平台的发展为旅游信息服务提供了丰富的数据来源和共享平台,因此,通过挖掘社交网站上景点的各项信息数据,如景点的开放时间、门票等信息以及景点的GPS坐标等,可以得到比较全面与合理的景点评价。本文提出一种基于多属性的景点评价机制,它综合考虑景点的多种属性,对景点进行综合评分。其次,在多约束多目标的条件下,旅游线路推荐的算法复杂度很高,为此研究一种多约束条件下的k贪心推荐算法。它的基本思想是,基于用户给定的约束条件,使用贪心算法选出前k条总体评分较高的路径;然后,通过综合评估路径的有效性及多样性,最终选出相对较优的路径作为推荐结果。通过从驴评网挖掘大量的景点信息数据集,搭建了旅游推荐的原型系统。实验结果表明,首先,通过融合多种属性,景点综合评价机制能够对景点做出较为合理与全面的评价,这为后续的线路推荐奠定了基础。其次,与现有路径推荐算法中效果较好的Trip-Mine+算法相比,k贪心推荐算法能够满足用户的多方面约束与目标,其推荐线路具有更好的合理性与多样性。同时,算法在运行时间上具有更小的时间复杂度。