随着互联网的快速发展,人们可以在各种在线旅游平台便利地挑选旅游产品并制定出行计划。据艾瑞咨询检测的数据可知,2017年中国的在线旅游交易市场的规模达7384.1亿元,比上年同期增长24.3%,在线旅游OTA市场交易规模为400.0亿元,较2016年增长34%,未来在线旅游所占的比重还将进一步加大。然而伴随着互联网技术的不断发展,严重的系统信息过载难题对用户造成了困扰,用户很难快速从巨量的结果信息中检索出自己想要的旅游信息。目前国内的在线旅游服务电商平台基本停留在简单的信息搜索上,旅游服务单一,旅游线路、景点介绍内容固定,描述方式粗浅,无法满足用户个性化的需求。另一方面,这些平台为用户提供旅游产品搜索服务时,检索结果大多按整体评分排序,忽略了用户本身兴趣度,用户无法获取符合其个性化兴趣的服务。针对现有的景点推荐算法在处理用户关系时忽视了用户隐性信任和信任传递问题,以及在新城市情景中用户历史浏览行为数据缺失导致无法准确推荐的情况,本文提出了一种综合用户信任关系和标签偏好的个性化景点推荐方法。首先在仅仅考虑用户相似度时推荐质量差的情况下引入信任度,通过挖掘用户隐性信任关系解决了现有研究在直接信任难以获取时无法做出推荐的情况,有效缓解了数据稀疏性和冷启动问题。其次在用户兴趣分析过程中将景点和标签的关系扩展到了用户、景点和标签三者的相互关系,把用户的兴趣偏好分解成对不同景点标签的长期偏好,有效地缓解了缺乏用户历史游览记录时推荐质量不佳的问题。最后在Flickr网站上收集的数据进行实验验证,结果表明本文提出的混合推荐算法有效地提高了推荐精度,在一定程度上缓解了冷启动和新城市问题。