[发明专利]一种基于游客偏好建模的个性化景点推荐方法

说明书

本发明公开了一种基于游客偏好建模的个性化景点推荐方法，包括：采集数据和预处理，对游客、景点等对象编号；将显示评分转换为隐式评分，划分正例和负例景点；构建三元组和景点知识图谱，生成每个景点的特征向量和上下文特征向量；通过KCNN生成游客历史游览景点和候选景点的向量表示；通过注意力网络计算游客每个历史游览景点的影响权重，得到游客对景点的偏好向量；利用DNN计算游客游览该景点的概率，按概率从小到大生成游客的景点推荐列表。本发明在刻画游客历史访问景点对候选景点的不同影响以及表征游客多样化的偏好时，使用注意力网络来计算游客历史访问景点对候选景点的影响权重，使得推荐结果更加符合游客的偏好。

技术领域

本发明涉及景点推荐技术领域，尤其涉及一种基于游客偏好建模的个性化景点推荐方法。

背景技术

随着互联网的飞速发展，在线内容和信息出现爆炸式的增长，如何帮助游客从海量的数据中获取他们想要的信息对于互联网服务提供商来说至关重要。因此，如何根据游客的历史访问信息来构建游客的偏好特征，这是个性化推荐系统的关键。传统的游客偏好建模方法，大多数都是根据游客历史访问的景点，通过生成景点的特征向量来刻画游客的偏好特征，进而给游客生成个性化的推荐。然而，游客历史访问的景点仅包含有限的特征信息，根据景点的特征生成的游客偏好过于单一，无法全面地表征游客的兴趣，不能很好地满足游客个性化的要求，同时也没有考虑游客-景点交互数据的稀疏性和冷启动问题，不能准确地根据游客偏好给游客推荐所需要的信息。

目前已公布的发明专利“一种基于游客偏好特征建模的Web服务推荐方法”，公开号为CN 103544623B，通过计算游客间的多维度的偏好相似度，将前N个偏好相似邻居游客调用最多的Web服务进行排序，生成最终的服务推荐列表。该发明没有考虑游客历史访问Web服务对候选服务的不同影响，也忽略了Web服务本身的语义信息，很难准确地给游客推荐服务。

发明内容

有鉴于此，本发明的目的是提供一种基于游客偏好建模的个性化景点推荐方法，以此提高推荐结果的个性化和准确度。

本发明通过以下技术手段解决上述技术问题：

一种基于游客偏好建模的个性化景点推荐方法，包括:

S1:采集游客对景点的历史评分数值和景点相关属性数据,对采集到的原始数据进行预处理后，对数据中的游客、景点对象进行编号；

S2:将评分大于等于一设定数值的景点的作为游客喜欢的景点并标签为1，将评分小于所述设定数值分的景点作为游客不喜欢的景点并标签为0；

S3:构建景点的实体—关系三元组，然后以实体关系三元组为基础单元构建景点相关知识图谱，使用网络表示学习方法学习知识图谱中的结点结构及其属性特征，将知识图谱中每个实体和关系表示为一个对应的低维特征向量，再根据每个实体的特征向量生成该实体的上下文特征向量；

S4:将游客历史访问过的景点输入到一卷积神经网络中，将实体的特征向量和相应的上下文特征向量进行拼接作为所述卷积神经网络的输入，卷积神经网络输出游客历史访问景点的向量表示；

S5:将游客历史访问景点和候选景点的向量表示输入到注意力网络中，计算游客每个历史访问景点的影响权重，游客关于候选景点的偏好向量通过计算游客历史访问景点向量表示的加权和得到；

S6:将游客偏好向量和候选景点的向量表示输入到一个深度神经网络中，计算游客访问该景点的概率，将不同候选景点的预测概率从大到小排列，取前K个景点作为该游客的推荐列表。

进一步，所述采集游客对景点的历史评分数值和景点相关属性数据,对采集到的原始数据进行预处理,具体包括：

L1:利用爬虫工具从旅游网站爬取游客历史游览景点序列及对景点的评分数据；

L2:将游客、景点和景点属性进行编号，设置唯一的ID表示某一对象；