随着互联网O2O的迅猛发展,在线旅游行业出现了信息过载的问题,面对种类和数量越来越多的旅游产品,在线旅游的用户也难以快速高效的找到自己需要的产品。个性化推荐系统可以解决这个难题,借助用户的历史兴趣帮助用户在纷繁复杂的信息中找到其喜欢的物品。推荐系统多应用于电子商务、电影和视频、音乐等领域,对在线旅游行业推荐系统的研究甚少。因此,本文将结合在线旅游网站的行业背景,将逻辑回归模型和协同过滤算法进行组合,构建推荐模型。模型主要利用在线旅游网站用户的隐式反馈数据,首先采用逻辑回归模型对用户的隐式反馈数据进行建模,将用户的浏览行为转化成用户对物品的兴趣度,再结合在线旅游的行业特点使用协同过滤推荐算法对用户进行推荐。此模型利用在线旅游网站的隐式反馈数据,弥补了显示反馈数据不足的弊端,充分挖掘用户的浏览行为,获取用户的兴趣度,实验证明此模型可以有效获取用户偏好,产生高质量的推荐。