随着互联网以及信息技术的发展,在线旅游业作为新兴产业受到越来越广泛的关注和使用。然而,由于信息过载带来的问题,用户往往需要花大量时间选择适合自己的旅游服务。目前在线旅行商提供的解决方案仍停留在提供过滤器、按价格排序、按评分排序等初级手段,无法做到针对用户的个性化推荐。正是在这种背景下,文章针对旅游业中推荐系统的使用展开研究。与传统的推荐系统中的书籍、电影、音乐等对象的推荐相比,旅游业中产品的推荐具有其特殊性,主要表现在数据的稀疏性、隐式反馈以及物品固有属性对用户决策的重要性上。基于旅游服务推荐的特殊性,文章首先针对旅游业中的酒店推荐问题进行研究。通过分析用户的历史订单记录,提取出对用户决策具有较大影响的属性,组建出用户画像。同时,为了增加用户画像在数据较少时的表达力,文章中还引入了机票领域的数据,组建了跨领域的用户画像,并将用户的酒店选择问题定义为基于用户画像和酒店特征的回归问题。此外,文章中还提出了一种基于组合隐式和显式特征的推荐方法,该推荐方法是适用于旅游业产品推荐的通用方法。通过将基于跨领域矩阵分解的隐因子分析以及旅游业产品显式特征进行结合,该方法既能有效反映出用户与产品间潜在的联系,又能体现出用户对旅游业产品固有属性的偏好程度。实验证明,组合隐式和显式特征的推荐方法在数据较稀疏时表现突出,而基于用户画像的推荐方法在数据较充足表现出更大的发展潜力。文章提出了旅游业中的社会关系,购买过同一产品的用户被认为是具有较强社会关系的。通过类比协同过滤中的相似性,旅游业中的社会关系可以用来对用户—物品的评分数据进行预填充,从而减小数据稀疏性带来的挑战。实验证明,引入旅游业中的社会关系能给基于用户画像以及基于组合隐式和显式特征的推荐方法的效果都带来提高。