近些年来,旅游行业发展势如破竹,线上旅游社交平台层出不穷,游记文本数量大幅度增长。通过对游记文本进行挖掘,可以更快速、便捷地帮助游客获取所需信息,并为出行者提供参考。然而,游记文本中涉及主题范围广泛,游客主观评价纷繁复杂,情感信息真实客观。如何有效地挖掘游记文本中包含的丰富信息,协助旅游相关部门进行决策,为游客出行提供参考价值逐渐成为线上智能旅游的研究热点。本文首先对游记文本进行多主题分类,在此基础上,对游记进行压缩,生成包含情感信息的摘要文本。主要研究工作如下:（1）游记多主题分类方法。游记文本主要包括出行者在旅游过程中的真实感受,导游服务、出行方式规划以及情感评价信息等等,涵盖主题涉及范围广泛。由于游记中涉及的主题类别标签信息不完善,本文提出了补全主题类别信息的方法（Bert-Topic Complement）用于游记文本的多主题分类。该模型将主题标签数目小于2的游记文本通过矩阵线性变换进行主题标签补全,同时使用Bert预处理语言模型对游记与主题标签进行语义表示,通过注意力机制生成包含主题信息的游记文本,最后进行多主题分类。通过与其他基线实验进行对比,取得了较好的实验结果,说明本文提出的Bert-Topic Complement方法有助于提高游记文本的多主题分类效果。（2）情感摘要生成方法。游记文本蕴含着丰富的情感信息,这些情感知识对于游客来说是最有价值的。因此,需要在对游记文本主题进行分类的基础上生成情感摘要。本文融合情感特征信息,提出了一个多文档情感摘要模型（Senti-PG-MMR）,该模型结合指针生成网络（Pointer-generator）和最大边界相关算法（MMR）,通过调整解码器端生成的注意力机制,既保留了句子的重要部分,又降低了句子的冗余程度。最后与其他的基线方法进行对比。实验结果表明,本文提出的Senti-PG-MMR模型能够生成包含丰富情感信息且简洁流畅的游记文本摘要。（3）山西旅游攻略系统的设计与实现。为了便于游客获取不同主题旅游信息,为其出行提供参考价值。本文利用补全主题类别信息的多主题分类模型（Bert-Topic Complement）以及融合情感信息的情感摘要生成模型（Senti-PG-MMR）,设计了具有游记多主题分类与情感摘要生成功能的旅游攻略系统。该系统界面友好,使用方便,能够完成游客用户对游记攻略的基本需求。