[发明专利]一种面向旅游景点推荐的游客画像构建方法有效

专利信息
申请号: 201910530084.2 申请日: 2019-06-19
公开(公告)号: CN110287336B 公开(公告)日: 2021-08-27
发明(设计)人: 宾辰忠;朱桂明;古天龙;常亮 申请(专利权)人: 桂林电子科技大学
主分类号: G06F16/36 分类号: G06F16/36;G06F16/9535;G06Q50/14
代理公司: 北京中济纬天专利代理有限公司 11429 代理人: 石燕妮
地址: 541004 广西*** 国省代码: 广西;45
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 面向 旅游景点 推荐 游客 画像 构建 方法
【权利要求书】:

1.一种面向旅游景点推荐的游客画像构建方法,其特征在于,包括:

采集游客的历史浏览的景点以及景点的景点属性,对采集到的数据进行预处理后,将相对应的每组游客、景点以及景点属性进行编号;

将游客评过分的景点作为该游客的正样本并标记为1,将游客未评过分的景点作为该游客的负样本并标记为0,其中,正样本和负样本的数量相等;

构建景点的实体和关系的三元组,并以实体和关系的三元组为基础单元构建旅游知识图谱,采用网络表示学习方法学习旅游知识图谱中的实体和关系特征,以将三元组中实体和关系转换为对应的特征向量,其中,将上述游客对景点的评分数据以及景点属性用三元组(hi,ri,ti)的形式表示,其中hi为该三元组的头实体即游客或景点,ti为该三元组的尾实体即景点属性,ri为该三元组的关系;

以游客的历史游览的各个景点为中心沿着旅游知识图谱中的关系为链接逐跳向外扩展,直到生成所有跳数下的三元组集合;

取游客的历史游览的景点序列中的任一景点,利用内积运算计算该景点的特征向量与三元组中头实体的特征向量的相似度,并计算出所有景点的特征向量与所有三元组的相关性概率;

计算不同跳数下三元组集合中所有三元组尾实体特征向量的加权和,将该加权和、不同跳数下的特征向量及景点的特征向量同时输入到注意力网络中计算不同跳数下特征向量的权重,并利用不同跳数下特征向量的权重得所有跳数下特征向量的加权和以得到游客画像。

2.如权利要求1所述的面向旅游景点推荐的游客画像构建方法,其特征在于,将景点的特征向量和游客画像做内积运算生成游客游览该游客景点的概率,按照不同游客景点的概率大小生成游客景点推荐列表。

3.如权利要求1所述的面向旅游景点推荐的游客画像构建方法,其特征在于,将三元组中实体和关系转换为对应的特征向量的步骤包括:

从旅游知识图谱中抽取实体和关系以获取对应的三元组;

将三元组中的实体和关系由两个特征向量表示,其中,第一个特征向量捕捉景点或关系的语义,第二个特征向量用于构建映射矩阵;

利用TranD模型的得分函数,训练三元组;

根据得分函数,建模损失函数,通过最小化损失函数得到实体和关系的特征向量。

4.如权利要求1所述的面向旅游景点推荐的游客画像构建方法,其特征在于,计算出景点的特征向量与三元组的相关性概率的步骤包括:

给定景点A的特征向量a以及游客u的1跳三元组集合S1u

通过计算景点的特征向量a和三元组中头实体hi的相似度为上述S1u中的所有三元组(hi,ri,ti)分配相关性概率Pi

5.如权利要求4所述的面向旅游景点推荐的游客画像构建方法,其特征在于,游客画像生成的步骤包括:

通过三元组对应的相关性概率Pi和三元组尾实体ti计算得到不同跳数下三元组集合中所有三元组尾实体的加权和;

得到不同跳数k下的特征向量,并将不同跳数k下的特征向量及景点A的特征向量a同时送入注意力网络中,通过分别计算景点A的特征向量a和不同跳数k下的特征向量的相似度来给不同跳数k下的特征向量生成不同的权重;

利用不同跳数k下的特征向量的权重求得所有跳数k下的特征向量的加权和。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于桂林电子科技大学,未经桂林电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910530084.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top