随着人们生活水平不断提升,人们对旅游业的需求也随之提升,向不同的用户推荐具有不同特色的景点逐渐成为互联网发展过程中的重要课题。目前旅游景点服务数据种类繁多,游客需要耗费大量精力去选择心仪的景点,这极大影响了用户体验感。为了使用户能够更快速地检索到有用的信息,目前应用较为广泛的是传统的基于评分矩阵的分解,同时运用深度学习对用户的评论信息进行挖掘,均能够提升推荐模型效果。因此,本文提出在矩阵分解方法的基础上,利用评论信息和深度学习技术来优化推荐模型,进一步提高旅游景点推荐服务的准确度。本文通过将LDA主题模型与深度学习算法进行融合,提出了一种新的推荐算法,该算法首先采用LDA主题模型对评论中的用户和景点的主题特征进行提取,进而将两部分特征矩阵相乘,再通过全连接层进一步的将信息进行整合提取;其次采用多层感知机作为主要结构,通过构建深度学习模型去深层次的学习用户和景点之间的非线性交互关系;然后将以上两部分模型的结果通过模型融合的方式进行结合,使他们能够相互强化以更好地对用户和项目交互关系进行学习,对用户进行最终的预测,达到提高推荐效果的目的。该算法能够有效的缓解推荐模型在应用过程中常出现的数据稀疏性、模型输入内容不够充分等问题,从而更好的帮助用户做出决策。本文所提出的LDA-NeuMF方法应用于同程旅游数据集上,通过实验选择了使模型获得优越效果的最佳参数组合,并与常见的推荐模型的效果进行对比,最终实验证明该方法在推荐效果上优于所对比的方法,为旅游景点推荐的推广提供了一种新思路。