近几十年来,随着国民经济的快速发展,人民的生活水平显著提高。越来越多的人把旅游作为节假日休闲娱乐的首选。随着旅游人数的日益增长和旅游数据的大量积累,对OTA企业来说既是机遇也是挑战。OTA企业要想更好地生存,提高企业竞争力,获取更多的效益,就需要合理利用海量数据,分析和挖掘用户数据,掌握用户的特点和需求,为用户提供精准、个性化的推荐和营销服务。针对上述问题,本文提出了一种基于TF-IDF-LD的多项朴素贝叶斯算法模型,该模型通过引入特征词位置影响因子和去中心化词频因子对TF-IDF算法进行改进,并结合经过拉普拉斯平滑处理的多项朴素贝叶斯算法对数据进行分类处理,生成用户画像。最后,运用大数据技术,设计并实现了基于TF-IDF-LD的多项朴素贝叶斯算法的OTA用户画像系统。论文的主要相关工作如下:(1)在用户画像的研究中,通常采用分类速度快且稳定的朴素贝叶斯算法进行文本分类。但是在特征计算以及分类的过程中,该算法会自动默认所有特征的权重相同,这一前提会忽略每个文本特征的特性,在一定程度上会降低分类的准确性。为了解决这一问题,引入了经过特征词位置影响因子和去中心化词频因子改进的TF-IDF算法,与经过拉普拉斯平滑处理的多项朴素贝叶斯算法结合来提高文本分类的准确率,将其应用到用户画像系统中,可以提高系统数据处理模块的性能,进而提高用户画像系统的性能。(2)采用大数据技术设计并实现OTA用户画像系统,采用Flume技术收集数据,HBase技术存储数据,采用Spark、Hive、Presto技术处理数据,并采用改进算法进行数据分类和用户画像生成。对用户画像系统进行需求分析,介绍了用户画像系统的整体设计。最后,详细介绍了各模块的设计和实现过程,并对系统的性能和功能进行了测试,确保系统可以正常的运行。