旅游作为一种缓解生活及工作压力的休闲方式，已经成为人们生活中必不可少的一部分。生活在信息时代的人们，在为旅游做准备时，会通过网络搜索相关信息，但是网络信息超载问题使得人们不得不耗费大量的时间和精力来寻找自己需要的内容。个性化推荐技术的出现成为人们摆脱困扰的有效方式。针对当前景点推荐方法中存在的一些问题，如考虑因素单一、无法对新用户进行推荐、未结合用户偏好考虑热门景点对用户的影响等，本文结合景点流行度及用户信任度，提出一种基于改进协同过滤算法的个性化景点推荐方法。　　首先，建立了一种用户偏好评估模型。利用用户在基于位置的社交网络(LBSN)中上传的旅游照片，根据用户在景点的停留时间和上传的照片数量评估用户对已去过景点的偏好。　　其次，提出了基于景点流行度的用户偏好评分方法。根据建立的用户偏好评估模型计算用户的相似度，找到目标用户的相似邻居集，同时考虑目标用户的相似用户推荐值和基于用户偏好的景点流行度对目标用户进行推荐。　　最后，提出了基于改进协同过滤算法的个性化景点推荐方法。在旅游数据稀疏导致目标用户的相似邻居寻找困难时，根据社交网络的关注关系引入用户信任度，寻找用户的信任邻居集，结合信任邻居集和相似邻居集对景点的加权推荐值以及基于用户偏好的景点流行度对用户做出推荐，优化了推荐的性能。