[发明专利]一种基于知识图谱和用户足迹的旅游推荐方法和系统

说明书

本发明涉及一种基于知识图谱和用户足迹的旅游推荐方法和系统，其特征在于包括以下步骤：(1)从旅游网站上抓取旅游景点信息，并构建旅游景点的知识图谱；(2)从旅游网站中抓取用户评论和游记信息，并根据抓取的数据构建用户足迹数据；(3)使用基于知识图谱的深度兴趣进化网络对旅游景点进行推荐；(4)基于深度学习模型Pointer‑Network对得到的推荐旅游景点进行旅游路径规划，得到完整的推荐旅游推荐线路。本发明可以广泛应用于旅游应用领域。

技术领域

本发明涉及旅游应用领域，特别是涉及一种基于知识图谱和用户足迹的旅游推荐方法和系统。

背景技术

随着国民经济的快速发展，人们生活水平提高，旅游作为放松心情、拓宽视野的极好途径，越来越受到人们的喜爱。同时，随着互联网的普及，各色各样的旅游网站不断涌现。用户对于旅游网站的青睐主要有两方面，一是旅游前通过网站提供的景点介绍以及用户上传的游记了解目的地的景点，并从中找到自己感兴趣的景点。二是旅游后撰写旅游游记和心得，与其他用户进行分享。但随着网站中注册用户的不断增正，“信息过载”也逐渐成为这些网站面临的问题。对用户来说，获得自己真正感兴趣的游记或者景点也越来越困难。因此从海量数据中，对用户的个人需求、兴趣偏好进行深度挖掘，预测出真正符合用户兴趣的旅游景点和线路，提供更加个性化服务，成为旅游网站进一步吸引和留住用户的关键。

一个完整的旅游推荐过程，首先要挖掘用户可能感兴趣的景点，随后需要根据用户的时间、金钱等约束，进行合理的线路规划。对于景点推荐，过往研究中主要的方法有协同过滤、基于内容的推荐方法和基于社交网络的推荐方法。这些方法其基本思想都是计算用户之间或者景点之间的相似度，随后根据相似用户或相似景点进行推荐。这些方法大都使用单一数据源，如用户的评分数据、社交网站数据，使用这些数据进行推荐时没有结合到景点本身的信息。同时难以对用户不断变化的兴趣进行刻画，因此推荐的效果存在一定的局限性。对于路径规划，一般将其视为旅行供货商问题，大都采用启发式算法如遗传算法、蚁群算法进行求解，虽然上述方法可以得到不错的规划结果，但是针对不同的景点组合，其都需要进行一次重新的进化和迭代，所需的计算时间和计算资源难以达到要求。

发明内容

针对上述问题，本发明的目的是提供一种基于知识图谱和用户足迹的旅游推荐方法和系统，该方法可以充分利用景点信息和用户过往游玩经历对挖掘用户的兴趣变化，并进行合理的景点推荐；同时，在保证路径规划准确性的同时，可以大大减小模型的响应时间和所需的计算资源。

为实现上述目的，本发明采取以下技术方案：一种基于知识图谱和用户足迹的旅游推荐方法，其包括以下步骤：(1)从旅游网站上抓取旅游景点信息，并构建旅游景点的知识图谱；(2)从旅游网站上抓取用户评论和游记信息，并根据抓取的数据构建用户历史足迹数据序列；(3)以用户的历史足迹数据序列为基础，使用基于知识图谱的深度兴趣进化网络为用户进行旅游景点推荐；(4)对得到的推荐旅游景点进行旅游路径规划，得到完整的旅游推荐线路。

进一步的，所述步骤(1)中，从旅游网站上抓取旅游景点信息，并构建旅游景点的知识图谱的方法，包括以下步骤：(1.1)从旅游网站景点抓取景点数据，所述景点数据包括景点的基本信息、位置信息和评论信息三类；(1.2)对抓取的景点数据进行整理，形成景点知识图谱；其中，所述景点的基本信息和评论信息采用(实体，属性，属性值)三元组形式描述，所述景点的位置信息采用(实体，关系，实体)三元组形式描述。

进一步的，所述步骤(2)中，从旅游网站上抓取用户评论和游记信息，并根据抓取的数据构建用户足迹数据的方法，包括以下步骤：(2.1)从旅游网站中抓取用户的评论和游记信息；(2.2)采用字符串匹配方式，从抓取的用户评论和游记信息中，提取景点数据；(2.3)按照时间和地点对从游记和评论信息中抽取出的景点进行排序，得到用户的历史足迹数据序列。