旅游行业的快速发展一方面丰富了人们的日常生活,另一方面旅游电商平台上的过量信息、劣质信息对人们的正常决策造成了困扰。在这种背景下,推荐系统作为一种信息过滤技术,在旅游电商平台中的作用显得愈加重要。传统的旅游电商平台部署精准、高效的推荐系统可以优化用户体验,提高用户购买转化率,促进平台与商家的良性发展。最近,旅游电商平台的发展出现社交化趋势,用户需求不断地提高,个性化推荐技术面临着机会与挑战。基于以上背景,本文的主要研究内容和成果具体包括以下几个方面:首先,在传统旅游电商平台社交化的趋势下,本文分析了平台中用户显式社交关系的类别、特征与区别。基于讨论结果,探讨了用户显式的社交关系缺失的情况下,如何利用用户的多准则评分信息构建隐式的社交关系,从而拓展了社会化推荐算法的使用场景。其次,立足于社交电子商务平台的背景,为了得到更准确的推荐结果和缓解冷启动问题,本文提出了一种改进的社会化推荐模型。该模型既考虑了用户兴趣具有传播性,又考虑了社交网络和用户评分的显、隐式信息对推荐结果的影响。接下来,本文研究了在单评分推荐算法中引入物品准则评分信息的多准则协同过滤算法,并提出了一种新的多准则推荐框架。该框架首先利用改进的社会化推荐模型预测准则评分,再结合非线性聚合函数SVR预测总体评分,并且通过基于用户准则偏好的聚类方法挖掘出电商平台中存在的群体及群体偏好信息,进一步提高了多准则推荐算法的准确性和拓展性。最后,通过真实的旅游电商平台TripAdvisor用户对酒店的评分数据,本文评估了所提的社会化推荐模型、多准则推荐模型和其他对比模型的效果。结果表明了本文提出的方法在预测性能和推荐性能具有优势。