随着旅游业与互联网的融合越来越深,旅游信息互联网化已成为不可避免的趋势,庞大的用户和旅游信息数据量使得信息过载问题日趋严重。为改变用户从海量旅游信息中搜索旅游景点这一现状,本文将协同过滤算法应用到旅游推荐中,为用户提供精准的旅游推荐服务。然而由于传统的协同过滤算法只依靠单一的用户评分数据,且自身存在缺陷,无法满足旅游行业用户复杂的需求,本文对传统的协同过滤算法做出改进,并在此基础上设计实现了旅游推荐系统。在旅游推荐中,除了用户评分数据,景点自身特点也是不容忽视的因素,故本文将景点属性融入到协同过滤推荐算法中。首先将旅游景点分为九种类别,对爬取的景点简介数据手动标注并分类。为旅游景点建立可以具体表现景点特性的评价指标体系,爬取每个景点相关指标数据后对数据进行预处理操作,将标准化的指标数据加权之后计算景点间相似度,得到景点相似列表。然后根据获取的用户评分数据建立用户-景点评分矩阵,计算用户间相似度并排序得到预推荐列表。最后对景点相似列表和预推荐列表中景点的重要程度进行对比,将结果排序并选取TOP-N生成最终的推荐列表。并将改进的算法模型应用到旅游推荐系统的设计与开发中,实现对河北省11个城市的旅游景点的推荐。本文对景点评价指标进行创新,设计出符合景点推荐的指标。提出改进的协同过滤算法模型,通过实验表明本模型具有更准确、全面的推荐结果,并设计实现了基于改进算法模型的旅游推荐系统。