随着我国经济的快速发展,人们生活的日益富裕,旅游已经成为人们休闲娱乐的一种重要方式,面对旅游行业的蓬勃发展,旅游网站也大量涌现,一般的旅游网站往往面向大众,缺乏个性化服务,所以游客在出行之前不得不花费大量时间精力搜集信息,制定自己的旅行计划,难以满足游客个性化旅行的需求,推荐系统的出现有效的解决了这个问题,用户在避免花费大量时间检索信息的同时,也获得了较好的服务的体验。但是传统推荐算法存在着一些不足,包括在数据稀疏情况下存在推荐准确率下降的问题,以及一些个性化推荐算法即使考虑了地理位置和时间因素,但是推荐效果并不理想,针对这些问题,本文进行了深入的研究分析并做出改进。主要工作如下:(1)首先通过对景点评论进行预处理,建立评论的词袋模型,然后使用隐含狄利克雷分布(Latent Dirichlet Allocation,简称LDA)训练获取景点的主题特征,利用景点的特征构建了用户画像;(2)提出了一个景点转移概率模型。根据从携程网获取游客路线并建立景点路径数据库,结合用户兴趣和当前时刻,得到景点转移概率模型,该模型给出了用户在某个时刻选择某个景点的概率;(3)提出了基于景点转移概率模型的旅行路线推荐算法。根据景点转移概率模型,使用本文提出路线生成算法,在用户计划旅行时间的约束下,为用户推荐旅游路线;(4)将以上提出的算法模型与Android开发技术相结合,实现了一个新颖的兴趣点推荐系统APP客户端。实验证明本文提出的算法能够很好的为用户进行兴趣点推荐,满足用户个性化需求。