在国家政策引导和行业需求推动下,旅游市场快速发展,旅游信息过载问题随之出现。由于用户旅游频次低,历史交互数据稀疏,目前常用的传统推荐算法如协同过滤、矩阵分解等推荐效果不佳。同时现有旅游系统主要是对旅游信息进行展示,缺乏个性化旅游资源定制功能。有鉴于此,本文面向旅游者的个性化需求,基于用户对景点的历史访问数据,设计了一种基于图卷积神经网络的景点推荐算法,在此基础上设计并实现了个性化旅游推荐系统。主要研究内容如下:首先,本文将旅游过程中用户访问景点的活动建模为不同类型节点构成的异构图,将为用户推荐景点任务转换为异构图中节点的链接预测问题。在此基础上,设计了一种基于图卷积神经网络的景点推荐算法,旨在利用多层图卷积操作显式建模异构图中的高阶连接性来学习用户和景点的嵌入式表示,同时利用多层感知机捕捉用户和景点之间的非线性交互关系,最终提升模型推荐效果。其次,对基于图卷积神经网络的景点推荐算法进行实验验证。对实验中的参数进行分析,测试不同参数对推荐性能的影响;分析不同迭代次数下算法的收敛情况;与相关的景点推荐方法进行对比,分析推荐算法的性能。实验结果表明,本文的算法相较于其他景点推荐算法在命中率和归一化折损累计增益上均有一定提高,证明了算法的有效性。最后,设计并实现了个性化旅游推荐系统,对系统进行性能分析,从功能性和非功能性方面明确了系统需求;对系统架构、系统功能模块以及数据库表进行设计;对系统的主要功能模块进行用例测试;通过系统中景点推荐等功能模块的具体实现验证景点推荐算法的可用性。