推荐系统是一种解决信息过载问题的强有力工具,能够帮助人们从海量信息中找到目标信息,给人们生活带来了极大的便利。其中协同过滤算法在推荐系统中的应用最为广泛,它充分利用了用户的评分数据进行高效的推荐,但随着用户和物品数量的不断增加,推荐系统的规模也不断扩大,仅仅依靠评分数据的传统协同过滤算法面临着诸多考验,比如数据稀疏性、冷启动等一系列问题。本文针对上述问题对传统协同过滤算法进行改进,并将改进后的算法应用于旅游推荐中。论文的主要工作有以下几个方面:（1）提出了一种融合项目属性特征的混合填充稀疏矩阵的算法。该算法引入项目属性特征这一因素,通过属性特征计算项目间的相似度,并进行评分预测填充稀疏矩阵。同时,结合评分特性,综合考虑各种填充情况,利用评分均值进行混合填充,使稀疏矩阵达到饱和。相比于一般的缺省值填充法和众数填充法,混合填充方法能够有效改善数据稀疏性问题和冷启动问题。（2）提出了一种融合用户特征和项目特征的协同过滤算法。为了避免完全依赖于评分数据进行推荐,该算法分别引入了用户属性特征和项目属性特征,从用户角度和项目角度进行算法设计。引入用户特征是为了改进基于用户的协同过滤算法,通过用户特征相似度和用户评分相似度的加权组合形成新的用户间的相似度计算公式;引入项目特征是为了改进基于项目的协同过滤,通过项目特征相似度和项目评分相似度的加权组合形成新的项目间的相似度计算公式。最后将改进的两种相似度融入到评分预测公式中形成组合推荐,改进后的评分预测公式即融合了用户特征又融合了项目特征。整体的改进算法提高了推荐的精度,也缓解了冷启动问题。（3）由改进后的协同过滤算法设计并实现了一个旅游推荐系统,验证了改进算法具有良好的应用价值,能够为用户提供个性化的旅游推荐。