随着互联网的高速发展,旅游信息爆炸式增长导致“信息过载”问题愈发严重,旅游推荐系统研究受到广泛关注。学者们通过加入辅助信息缓解旅游推荐中存在的数据稀疏问题。针对现有推荐模型对多源异构辅助信息建模能力不足问题,本文提出基于图注意力网络的旅游景点推荐模型并在此基础上进行路线推荐。具体研究内容如下:首先,针对现有景点推荐模型建模时信息源考虑不足,以及对游客、景点与各种信息源间复杂交互无法精准建模的问题,提出一种基于图注意力网络的景点推荐算法。该算法利用深度学习技术从多源异构数据中自动学习游客偏好特征与景点特征,同时利用多层感知机学习游客与景点间的非线性交互以提高推荐性能。在签到数据集上的实验得出,所提算法在景点推荐衡量指标上优于其它对比算法,验证了所提算法的有效性。其次,针对现有路线推荐方法推荐结果个性化不足的问题,设计了一种基于聚类与序列挖掘的旅游路线推荐方法。该方法利用游记文本与路线上下文对路线数据进行聚类,获取具有相似特征的旅游路线,在此基础上进行序列挖掘并利用所提景点推荐算法计算路线价值度,以此产生推荐结果。在西安路线数据上的实验结果表明,所设计路线推荐方法在召回率与覆盖率两个指标上均有所提升。最后,为了验证景点与路线双重任务推荐的正确性、可行性与实效性,进一步从实践应用的角度,分析了本文所提算法在面向应用问题中的有效性。其中,参考领域知识图谱构建方法,构建西安旅游景点知识图谱。并利用景点知识图谱对原始路线数据进行降噪与填充,获得旅游序列数据。此外,本文通过对游客需求进行分析,设计并实现个性化旅游推荐系统,对其在旅游推荐场景中的应用提供新的思路。综上所述,所提景点推荐算法利用深度学习技术对辅助信息进行精准建模,有效缓解了旅游推荐场景中的数据稀疏问题。在此基础上设计的旅游路线推荐方法,其推荐结果也更加符合游客的个性化需求。