随着互联网的高速发展，网络数据以指数级增长，给人们的生活带来了诸多便利，但网络环境也变得日益复杂。一方面，互联网帮助人们更迅速、更准确、更便利地获得所需要的信息，为人类社会发展提供了极大助力；而另一方面，无数的网络信息、日新月异的各个行业也使得单个互联网用户难以处理所有信息，用户的使用体验反而在一定上升后趋于饱和，甚至开始下降。在这种情况下，为了帮助用户处理海量数据，提高检索效率，搜索引擎和推荐系统应运而生。

以电子商务领域为例，早期许多商品搜索引擎还停留在根据关键字检索数据的初级阶段，搜索结果与用户的匹配度得不到保障，而引入推荐系统后，可结合用户和商品的各种特点使用合适的模型进行推荐。研究表明，在没有推荐系统辅助决策时，用户平均需要查看11.7个商品才能找到满意的商品，而引进推荐机制之后，则平均只需要查看6.6个商品，几乎减少了50%的工作量。且45%的消费者更愿意选择有推荐功能的网站，而在高端消费者中，这个比例达到69%。可见合适的推荐系统对于提高用户粘度、促进成交率都有一定的积极作用。

在web2.0时代，用户的网络行为得到了越来越多的重视。如用户对商品的评价，作为用户生成内容（UGC，User-GeneratedContent）的重要内容之一，是最能直观地反应用户偏好和用户期望的信息，也逐渐被推荐系统重视了起来，开始应用到实际模型中。

目前互联网上存在许多用户对物品的评价信息，这些信息即反映了物品的受欢迎程度，也间接影响了其他用户的购买决策。然而用户对物品的评价信息虽多，但是都是以不同的形式出现在博客、BBS或论坛网站等各种媒体，需要大量抓取、整理。且许多用户评论信息具有随意性，质量良莠不齐，大量冗余的信息严重干扰了潜在用户获取和分析有用的信息，造成了信息超载问题。

本文采用意见挖掘技术，从用户的在线评论出发，抽取用户感兴趣的景点特征，以此推测用户对某个景点的兴趣偏好，向他们推荐最能满足用户偏好的景点，提供智能化推荐，即提供满足他们模糊需求的景点。

2. 研究的基本内容与方案

本文的研究目标是设计出一种基于在线评论信息的旅游景点个性化推荐算法，为用户推荐合适的景点。

本文将意见挖掘技术应用于推荐系统领域，引入推荐对象（本文中为景点）特征的概念，从用户评论中抽取用户感兴趣的景点特征，将推荐细化到景点特征层次。通过结合意见挖掘与情感分析、文本处理技术、特征抽取、协同过滤、多目标决策方法，来获取互联网用户的兴趣并对其进行推荐。该算法可以弥补现行推荐算法精确度不够高、推荐效率低的不足。

本文分6个部分：

第一部分：绪论。对本文的研究背景，意义，内容，使用的关键技术等做基本介绍；

第二章：推荐算法简述。简单介绍基本的推荐系统算法，包括基于内容的推荐、协同过滤推荐、混合推荐，并对目前推荐系统的应用和发展做简单小结。