[目的]为用户提供旅游景点的个性化推荐,解决因旅游信息过载而导致的用户决策效率下降的问题.[方法]提出基于用户相似度、景点热度和时间上下文的旅游景点个性化推荐算法SPT,并利用从“携程网”获取的真实旅游数据集对比验证了SPT算法和多种传统推荐算法的实际推荐性能.同时本文提出基于“分段用户群”的训练集构建方法,通过实验对比验证了该方法对不同推荐算法性能的影响.[结果]实验结果表明,SPT算法相较于传统推荐算法在准确率(43.38％)、召回率(61.08％)、覆盖率(64.71％)和流行度(3.832)等指标上均表现出更好的性能.利用基于“分段用户群”的方法进一步提高了景点推荐的准确性和有效性,准确率和召回率分别达到43.75％和61.59％.[局限]算法无法为新用户寻找相似用户集,为其推荐基于时间的热门景点列表解决冷启动问题;“分段用户群”方法需进一步在多种不同数据集上检验其适用范围和性能.[结论]所提方法提升了景点推荐效果,有利于提高用户决策效率和满足用户个性化需求.