随着信息技术的不断发展,旅游业也在不断地进行创新突破,“旅游+信息化”成为一个备受关注的热点,人们可以通过互联网获取到海量的旅游信息,通过这些信息来帮助用户进行计划的制定以及决策。社会媒体既是一个用户可以自由分享自己的意见和观点的平台,却也会出现信息过载的问题。为了使用户可以在海量信息中快速准确地找到自己想要的内容,个性化推荐系统是一种非常有效的解决方案。目前旅游景点推荐系统仍存在数据稀疏问题,为了更好地进行旅游景点的推荐,本文针对现有推荐算法进行优化与改进,提出一种基于Word2vec和LDA模型的旅游景点推荐模型,并通过设计实现的旅游景点推荐原型系统,将本文提出的推荐模型应用于该原型系统中。本文的主要内容如下:(1)介绍了当前个性化旅游推荐算法的国内外研究现状以及存在的问题,由此引入了基于社会媒体的旅游景点推荐算法,然后详细介绍了基于协同过滤的推荐算法、基于内容的推荐算法以及混合推荐算法的原理以及优缺点,对本文用到的LDA主题模型与Word2vec词向量模型进行了研究与分析。(2)由于LDA是以全局的形式来预测文档中的词汇、Word2vec以局部的形式来预测文档中的词汇的特殊性,本文提出一种基于Word2vec和LDA模型的旅游景点推荐模型。该推荐模型的核心思想是通过LDA主题模型将景点评论文本转换为景点-主题-词矩阵,再通过结合Word2vec词向量模型转换为景点-主题-词向量矩阵,通过上述矩阵生成用户/景点向量模型,基于用户/景点向量模型预测用户对未知景点的评分来产生推荐结果。另外,还对基于Word2vec和LDA的推荐模型进行了拓展研究。通过在爬取的去哪儿网的旅游景点评论数据集上与其他的推荐算法做实验对比,实验结果表明,本文提出的推荐模型在评分预测准确率上有所提升。(3)对旅游景点推荐原型系统进行需求分析,采用B/S架构,将本文提出的基于Word2vec和LDA的推荐模型应用到系统中,设计并实现了一个由用户管理模块、评论管理模块、景点推荐模块等组成的个性化旅游景点推荐系统,最后对系统主要功能模块进行了测试以及界面展示。