近年来国民经济迅猛发展，科技为人们的生活带来了很多的便利，而其中互联网已然成为人们日常生活中最为便捷的工具之一。在各类互联网应用中，智能推荐作为具有个性化特点的技术得到了广泛的应用，如何恰当地使用推荐算法为用户进行个性化服务具有实际应用意义。文化旅游作为精神文明建设的主要方式之一，使用推荐算法可以增强用户的文化体验，本课题对大型博物馆室内路径推荐的研究能够很好的解决个性化出行的问题。
　　本文主要研究将推荐算法运用在大型室内博物馆路径规划中的问题。首先针对推荐算法用户恶意评分和评分矩阵的数据稀疏性问题，提出了具有物品标签特征的协同过滤推荐算法，从标签属性的维度分析用户的标签喜好特征再进行协同过滤，实现文物推荐列表的获取，仿真实验结果表明具有物品标签特征的协同过滤推荐算法与传统推荐算法相比预测更为准确。完成上述的推荐计算步骤之后，根据文物所在展室的位置信息结合文物推荐列表，计算出具有推荐特点的室内路径节点，采用Dijkstra算法作为路径规划的方法计算出推荐路径节点的最短路径集合，将起点依次与最近的推荐节点连接即可求得室内推荐路径，经过仿真实验的验证表明，具有智能推荐特性的室内路径规划能够获得个性化的室内行走路线，并且实现了多楼层路径规划的分层策略。最后依据以上两种方法，提出对博物馆室内文物游览路线推荐系统的功能需求，通过对系统的概要设计，实现了系统的主要功能模块，软件运行表明具有物品标签特征的协同过滤推荐算法和具有智能推荐特性的室内路径规划方法实际应用效果良好。