En la era de la explosión de la información, es difícil para las personas obtener la información deseada de manera efectiva. En el turismo, un sistema recomendador de viajes basado en grandes datos de viaje ha estado desarrollándose rápidamente en la última década. Sin embargo, la mayoría de los trabajos se centran en registros de clics, historial de visitas o calificaciones, y la predicción dinámica está ausente. Como resultado, existen brechas significativas tanto en los conjuntos de datos como en los modelos recomendadores. Para abordar estas brechas, en el primer paso de este estudio, construimos dos conjuntos de datos anotados por humanos para el sistema recomendador de conversaciones de viaje. Proporcionamos dos conjuntos de datos vinculados, a saber, secuencia de interacción y conjuntos de datos de diálogo. El uso del primer conjunto de datos se realizó para explorar completamente las características estáticas de preferencia de los usuarios basadas en él, mientras que el segundo identificó los cambios dinámicos en la preferencia del usuario a partir de él. Luego, propusimos y evaluamos modelos basados en BERT como base para el sistema recomendador de conversaciones de viaje y los comparamos con varios modelos representativos de sistemas recomendadores no conversacionales y conversacionales. Experimentos extensos demostraron la efectividad y robustez de nuestro enfoque con respecto a las tareas de recomendación conversacional. Nuestro trabajo puede ampliar el alcance del sistema recomendador de conversaciones de viaje y nuestros datos anotados también pueden facilitar investigaciones relacionadas.