[发明专利]一种面向旅游景点推荐的游客画像构建方法

说明书

本发明提供了一种面向旅游景点推荐的游客画像构建方法，利用游客历史游览的景点序列在旅游知识图谱上的传播生成游客历史游览景点序列相对于候选景点的特征向量，通过注意力网络给不同的特征向量分配不同的权重，计算得到上述特征向量的加权和，该加权和即是游客的表示向量，将上述得到的表示向量作为游客画像的表示，在个性化景点推荐阶段，再将景点表示向量和游客画像做内积运算生成游客游览该景点的概率，按照不同景点的概率大小为游客生成景点推荐的列表。

技术领域

本发明涉及景点推荐技术领域，尤其涉及一种面向旅游景点推荐的游客画像构建方法。

背景技术

随着人们生活水平的提高和生活方式的改变，越来越多的人选择外出旅游。但随着旅游市场的不断发展，游客可选择的景点越来越多，如何从海量的景点中筛选出自己喜欢的景点是一个急需解决的问题。旅游推荐系统通过自动化算法来进行旅游信息推送，游客不需要显示提交任何查询和兴趣偏好，它的终极目标就是能够理解游客需求和隐含偏好，旅游推荐系统的一个核心问题就是游客画像构建。传统的基于游客历史游览景点序列的游客画像构建，大多数都是对游客社交信息特征的简单抽取，利用游客发表的评论等文本信息为游客打标签，不能很好地满足游客的个性化需求，同时也没有考虑游客对不同的景点有不同的偏好，不能给游客推荐满意且多样化的景点。

发明内容

本发明的目的在于提供一种面向旅游景点推荐的游客画像构建方法，以解决传统的游客画像构建方法中生成的游客画像不够全面、不够精准，生成的游客画像无法与景点推荐任务很好地融合等问题。

为了达到上述目的，本发明提供了一种面向旅游景点推荐的游客画像构建方法，包括：

本发明的有益效果如下：

1、本发明将景点的特征构成三元组，并以三元组为单元构建旅游知识图谱，三元组的使用不仅简化了数据的存储，还保留了景点属性；旅游知识图谱的使用准确地描述景点及其属性的关系，使得原始数据更加丰富、准确和多样化；

2、本发明使用网络表示学习的方法，将旅游知识图谱中的三元组向量化，即将三元组中实体和关系映射到低维度向量空间中表示成特征向量，该方法将繁杂的网络节点结构和属性数据表示为简单、低维的向量，不仅保留原来数据的特征，还极大地简化了计算，使得游客画像更加准确、合理，较好地与旅游推荐系统进行融合；

3、本发明在刻画游客的历史游览景点序列对景点的特征向量时，通过计算景点的特征向量和三元组中头实体的相似度得到每个三元组的相关性概率，该方法考虑了三元组中的关系特征，使景点的特征向量和三元组中头实体的相似度更加准确、合理；

4、本发明引入注意力网络，该注意力网络计算不同特征向量和景点特征向量的相似度，得到不同特征向量的权重，该权重刻画了游客兴趣偏好的变化，从而保证了游客画像的全面性与准确性，实验表明本发明有效地提高了景点推荐的准确性与多样性。

附图说明

图1为本发明实施例提供的面向景点推荐的游客画像构建方法的整体流程图；

图2为本发明实施例提供的数据采集和预处理流程图；

图3为本发明实施例提供的三元组向量化流程图；

图4为本发明实施例提供的不同跳数下三元组集合生成示意图；

图5为本发明实施例提供的游客画像生成及景点推荐整体框架示意图。

具体实施方式

下面将结合示意图对本发明的具体实施方式进行更详细的描述。根据下列描述，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。

如图1-图4所示，本实施例提供了一种面向景点推荐的游客画像构建方法，包括：