随着经济的蓬勃发展，人们的生活水平不断提高，旅游业也得到了前所未有的发展，旅游电子商务应运而生。旅游商家之间的竞争日益激烈，如何整合资源，为旅游者提供满意的服务，从而形成稳定的客源成为商家竞争的热点。如今旅游商家面临的一个共同的问题就是旅游电子商务系统收集了大量的数据，却没有得到真正有价值的信息。把数据挖掘技术应用到旅游电子商务，通过对相关数据的挖掘，进而为旅游者提供个性化的服务成为旅游服务商家提升自身竞争力的有效方式。本文首先介绍了旅游电子商务相关概念、存在的问题及发展方向。并分析了在旅游电子商务推荐系统中所使用的相关技术。详细的介绍了个性化推荐系统中常用的几种推荐算法。本文主要研究了旅游电子商务个性化推荐系统及数据挖掘在推荐中的应用。本文在研究个性化推荐技术的基础上，构建了一个旅游电子商务个性化推荐方法，即先聚类后关联规则挖掘的方法。利用用户的浏览行为数据建立用户-产品兴趣度矩阵，然后利用聚类方法对用户进行聚类分析，在同一类用户的事务数据库中进行关联规则挖掘，然后在线对关联规则进行过滤，将结果推荐给用户。针对旅游电子商务数据异构问题，用户对产品的评分值不容易得到、用户-产品评价信息不足的情况下，提出了运用用户-产品兴趣度矩阵来代替用户-产品评价矩阵的方法，同时提出了用户-兴趣度矩阵模型的创建方法，从而解决了用户-产品评价信息不足情况下的推荐问题。改进了关联规则挖掘算法。针对传统关联规则挖掘算法挖掘效率低的情况，提出了一种新的挖掘关联规则频繁项目集的方法，该方法基于分解事务矩阵，减少了项集比较次数，避免了重复扫描数据库的缺点，通过实验证明，改进算法能有效提高频繁项挖掘效率。