旅游网络广告是加快旅游业信息化进程的关键手段之一,而旅游个性化信息服务是提升网络广告效果的重要方法。然而,愈来愈多的旅游产品、旅游方案的积累和在线旅游人数的暴增,不仅造成在线游客需要花费较长时间寻找满足自己需求的内容,还导致旅游网站信息量过载,造成在线游客时间成本增加和网站广告推荐效率下降。鉴于此,本文依据艾宾浩斯遗忘规律和马太效应现象,提出相应的广告个性化推荐优化技术,旨在提高推荐的精准度。首先在游客兴趣变化遵循艾宾浩斯遗忘规律的基础上,将兴趣遗忘函数融入协同过滤算法中,赋予游客评分时间权重,以此削弱历史评分的权值加强当前评分的重要性。然后分析了推荐系统中马太效应对游客兴趣预测的影响,将旅游产品的流行度引入协同过滤算法,加大对热门产品的惩罚值,降低流行度对游客兴趣相似度的影响。最后,从游客历史评分信息和产品隐含信息对游客兴趣预测的影响出发,结合艾宾浩斯遗忘规律和马太效应现象,建立了基于遗忘函数和旅游产品流行度的个性化旅游网络广告推荐模型,并提出三种改进流行度的方法,深入剖析流行度对推荐的影响,并结合相关案例进行数据仿真。研究结论表明,同时考虑遗忘函数和产品流行度,及改进的流行度模型比单一角度优化的模型预测精准度高,且单一角度优化的预测模型推荐精准度均高于传统协同过滤算法。优化的广告推荐方法不仅消除在线游客兴趣变化和产品流行度对推荐精准度的影响,同时缓解了网站信息量过载和降低了游客浏览的时间成本,为网站的精准化广告推荐提供一定的方法和手段,拓宽了旅游个性化推荐的研究思路。