近年来,人们的工作和生活受到新兴技术类似云计算、物联网、移动互联网、人工智能等的讯速发展而产生了很多的便利。在旅游休闲方面,用户可以方便地通过网络来搜索旅游信息,并对旅游产品和服务进行选购,享受信息化技术带来方便。然而,当面对爆炸式增长的网络信息时,用户反而难以进行高效的选择。因此过去的二十年中推荐系统已经成为一个学术界研究的重点问题,从而产生了很多方法和技术。这些推荐系统研究成果在从业者中越来越受欢迎,并被广泛使用包括电影、新闻、书籍、餐厅、服装、金融服务、保险、社会标签以及一般的产品。推荐系统在垂直领域取得了许多突破性进展,在对新闻和网页的推荐以及对图书、电影等传统商品的推荐上取得了很好的效果,但将其应用于旅游推荐时仍然存在诸多挑战。随着旅游业的需求不断提高,人们出行的方式也越来越多种多样,互联网给人们的旅行出行带了很大的便利,一定程度的解决了传统旅行中造成的信息不对称的问题,各大旅游网站通过采集吃住行游购相关的兴趣点信息供用户预订选择,用户可以提前规划好自己的行程与路线。旅游的推荐系统也应运而生,众多的景点,就有众多的分类,如何为多个用户推荐其偏好的景点就是推荐系统需要解决的问题。通过推荐系统为用户减少了规划行程的成本,减少了旅行准备的时间,这是群组旅游推荐需要解决的问题。本文通过研究个性化旅游相关理论和群组推荐的相关文献资料,总结了个性化旅游的概念与特征,通过研究个性化推荐的相关算法,改进了前人的基于用户的协同过滤的算法,同时以用户生成空间数据为基础,通过非监督聚类方法(DBSCAN)后用来拟合景点,得出用户的景点访问集,通过结合用户在该景点的访问次数,上传视频数,上传照片数获取用户对该景点的评分,引入了热门景点惩罚因子改进了用户之间的相似度算法,更好地发掘出空间数据集符合个性化景点要求的景点数据。通过研究群组推荐的关键技术,融合成员的个性化旅行推荐结果,基于加权融合模型与推荐融合方式提出了一种基于旅行经验权重的群组推荐融合模型。通过本文提出的基于旅行经验的加权推荐结果融合模型针对个性化推荐结果进行组推荐融合。最后通过实验证明基于旅行经验的融合策略比传统的融合策略能够更好适用于群体旅行中进行旅游景点的偏好融合。