随着网络信息量的快速增长和电子商务迅猛发展,信息过载的问题由此出现。网络用户要在海量的产品信息中寻找自己所需的商品越来越困难。推荐系统可以有效地与用户交互,依据用户的兴趣偏好进行个性化商品推荐,对提升用户对电子商务网络平台的满意度,增加商品的销售量起着重要的作用。但是精确性,实时性与普遍性问题严重制约了推荐系统的发展。良好的推荐算法不但要具有准确性,还要考虑到推荐的实时性,技术实现的可行性与商品项目的可扩展性。传统的推荐算法都具有某些不足,新的方法与改进技术推动了推荐方法的不断发展。算法的复杂性导致了推荐算法在现实网络平台的操作中受到了限制,更不易于小型商务网络平台搭建自己的推荐系统。本文的主要研究工作如下：1.对当前的推荐算法和推荐系统的发展和研究情况进行了阐述,重点介绍了几大推荐算法的基本原理以及推荐特点,论述了各种推荐算法的优缺点,为下文模型的提出奠定了基础。2.为了能够实时推荐,本文提出了基于综合评价的推荐模型,通过对某类对象的内涵特征进行概括划分属性指标,分析用户的属性指标偏向权重,采用综合累积加权求和方法的求得项目得分,利用Top-N进行推荐。针对该模型,本文介绍了模型实现的机制与推荐流程。3.本文以旅游业为实例,构建综合评价推荐系统,与协同过滤算法的推荐评估结果作比较论证方法的可行性。