随着互联网技术的飞速发展以及社会经济水平的日益提高，越来越多的人愿意出去旅游也使得在线旅游业蒸蒸日上，用户通过在线旅游平台查找景点并预定支付。但旅游平台上存在严重的信息过载问题，导致用户安排一次旅行要花费大量的时间来寻找自己值得去的景点，而利用旅游景点推荐系统能有效解决这一问题。　　传统的协同过滤推荐算法仅仅利用了用户对景点的总体评分信息，而总体评分信息不能准确地反映用户对景点评分高低的真正原因，这也使得相似度计算的准确性不高。而很多旅游平台上还存储有用户对景点在多个指标上的评分信息，多指标评分信息能否更准确地反映用户对景点真正的喜好？对于多指标评分，不同用户对同一景点在不同指标上的重视程度不同，如何有效地获取用户的指标偏好，进而为用户提供更准确的推荐，同时旅游平台上用户间的社会关系能否与多指标评分推荐结合来进一步改进为用户推荐景点的效果？以上问题的解决将极大提高用户在在线旅游网站上体验。　　针对以上问题，本文做了如下两个研究工作：1）利用旅游网站上用户对景点的多指标评分而不仅仅是用户对景点的总体评分信息来计算用户或物品间的相似度，提出了利用多指标评分进行相似度计算的方法。实验结果表明：利用用户对景点在多个指标上的评分比传统的利用用户对景点总体评分的协同过滤算法效果要好，这也说明了多指标评分能比总体评分更准确反映用户的喜好。2）针对不同的用户具有不同的指标偏好问题，提出了基于用户指标偏好的景点协同推荐算法，为了使推荐效果更好，考虑旅游平台上用户间的关注信息，进而提出了基于用户指标偏好与社会关系的景点协同推荐算法。实验结果表明：提出的算法在评分预测误差减少时覆盖率表现也很好。