推荐系统早在20世纪90年代中期[1]就成为了一个独立的研究领域。但是由于推荐技术的兴起和一些相关会议和研讨会的召开，促进这推荐系统的再次兴起。大量研究表明，西方国家网络已经成为用户搜索和预定旅游服务的主要信息来源[2,3]。借助互联网平台，用户可以在家搜索和选择旅游线路，比如在线门票预定，交通方式选择，旅游主题的选择，旅游城市的选择，旅游酒店的预定以及其他旅游产品和服务的选购，极大地方便了用户的旅游。但是网上旅游信息的快速增长，旅游网站很难对用户的需求做出正确分析，从而用户很难在旅游网站快速选择适合自己的旅游线路。推荐系统则被认为是今年来一个解决信息超载问题的有效方法[4,5]。79778

在国外，两个最成功的推荐系统技术应用是triplehop的tripmatcher（被应用于www。ski-europe。com）和VacationCoach的专家建议平台MePrint（被应用于travelocity。com）[6]。Visiteurope。com是欧洲旅游委员会（ETC）旅游营销网站，它就利用了基于内容的推荐算法和协同过滤算法的混合推荐算法帮助有课构建个性化的旅游线路，并将Trip@dvice组件嵌入其中来支持旅游访问者的信息搜索过程[7]；该网站通过用户的反馈证明了用户通过该旅游推荐系统极大的帮助了用户决策旅游线路的满意程度[8,9]。论文网

国内的各个旅游推荐系统研究最常用的推荐算法是贝叶斯算法和聚类分类算法，以及人工只能网络算法和决策树算法。国内旅游推荐系统分为三个模块：行为特征记录模块，用户模型构建模块和个性化推荐算法模块、推荐算法模块是整个推荐系统的核心部分，也是整个推荐系统的根本。

协同过滤算法通过用户对产品的评分和购买历史发现用户的兴趣爱好找出可能用户，然后把相似用户喜欢的产品推荐给当前用户，这个推荐算法也是国内当前旅游推荐算法的一个基本算法，能够发现潜在的但用户不知道的兴趣爱好。有有国内研究表明，采用协同过滤算法推荐准确度到52%-55%，而采用混合推荐算法设计的推荐系统其推荐精度为80%以上