由于互联网的发展和智能手机的广泛使用,也促进了电子商务网站的崛起,特别是各种各样的各种旅游手机软件(携程、美团等)为越来越多的用户所使用,可以说网络工具已经成为人们外出住宿选择的重要工具。目前,国内主流旅游网站提供的酒店推荐都是大众化、通用化的推荐。本文以酒店信息数据和POI数据作为数据源,使用基于改进的TF-IDF特征提取算法和基于多维特征聚类与用户评分的酒店推荐算法,以开源GIS技术、Vue.js技术作为技术支撑,设计和开发了个性化推荐系统,实现了酒店推荐算法。在数据数据获取与处理过程中。我们选择青岛市为目的地,以携程网作为数据来源网站,使用python网络爬虫技术爬取酒店基本信息、用户评论数据、以及POI数据,并对酒店数据和POI数据进行了可视化分析。在酒店特征标签提取时,在传统的TF-IDF算法基础上加入了离散度DI,改进了 TF-IDF特征提取算法,通过实验对比分析发现该算法比传统的TF、TF-IDF算法相比,该算法准确率和召回率都有所提升,用该算法进行了酒店特征词标签提取,并根据K-means聚类和酒店专业知识进行了酒店特征标签聚类。在个性化酒店推荐过程中。将用户根据出行方式、出行目的地、以及提取的酒店特征标签进行多维特征聚类操作,结合用户评分进行酒店推荐,给出了推荐结果的前N位输出。最后,对推荐算法的MAE值进行了比较和验证。实验结果表明,它具有良好的稳定性。在酒店个性化推荐系统实现方面。系统实现了根据用户的出行方式、出行特征、出行目的地进行选择,结合用户评分进行酒店的个性化推荐,并实现推荐结果的可视化。通过算法对比与验证,本文提出的方法能够准确有效的推荐酒店,具有一定的研究意义。