为解决旅游电商推荐中细粒度捕获用户偏好,提出了基于自注意力机制并结合商品侧分类信息的序列推荐方法(SATMSRec)。充分考虑序列间的时间间隔和序列的绝对位置作为自注意力机制的依托,对用户交互序列进行特征处理后,由一个GRU网络对特征序列进行长期记忆,最后结合商品侧层次性分类信息,构建类别感知多跳推理网络来学习补足用户偏好,完成对用户偏好的整体学习过程。通过在传统公开电商数据集和真实自建旅游电商数据集中NDCG@10对比次优方法均有3%以上的性能提升,SATMSRec在Top-N推荐中相对于其他基线方法具有更优越的性能。