旅行作为一种缓解生活和工作压力的休闲方式,已成为许多人生活中不可或缺的一部分,有趣位置的推荐在旅行中发挥着关键性作用。在当前的旅行推荐过程存在两个问题:社群推荐和国外有趣位置推荐。针对上述存在的问题,我们分析其面临的挑战,在已有原理的基础上提出更加合理有效的推荐策略是本文研究的宗旨,这篇论文完成的任务主要有:首先,阐述了当下国内和国外有趣位置推荐算法的研究近况,探讨了过去位置推荐的研究方法和它们的优势与不足,为接下来的研究提供可靠的理论支持。其次,提出了社群有趣位置推荐算法,其核心思想是先借用TF-IDF算法思想得到社群中个人对有趣位置的评估,而后通过聚合策略将所有人的评估加权融合得到整个社群对有趣位置的评估。在计算社群中每个人的权重时需要观察人物在社群中的重要性,引入人物社交关系与人物相近程度这两个因素,为社群中的人物进行加权并得出整个社群对有趣位置的评估,从而形成社群推荐。最后,给出一种国外有趣位置推荐算法,其总的思路是把对人物的新位置推荐问题转化成评估问题,接着根据人物的相近程度得出目标人物对有趣位置的评估。具体实施首先利用专家机制,计算出国外一个城市某类有趣位置的旅游专家集合,然后算出旅游专家与游客相近的程度,并根据旅游专家对待推荐位置的评估得出游客对该位置的评估,评估越高的位置越值得推荐给游客。