[发明专利]一种基于混合式监督学习的旅游景点推荐方法及装置

权利要求书

1.一种基于混合式监督学习的旅游景点推荐方法，其特征在于，该推荐方法包括：

获取游客历史游览数据，包括景点以及各个景点的景点属性值；

为所有景点以及景点属性值设置一个唯一的id编码；

将景点及景点属性值转化为三元组，构建景点知识图谱并可视化；

对所述景点知识图谱根据景点的属性类别进行相应的属性子图抽取；

利用随机游走方法根据景点知识图谱中的每种属性子图生成景点序列，所述景点序列中的元素包括景点实体、属性和景点属性值；

利用神经网络语言模型对所述景点序列进行训练将所述景点序列映射到低维向量空间中，将景点实体和景点属性值转化成特征向量；

对每个景点在不同属性下的向量进行相加平均得到每个景点的融合语义特征向量；

通过神经网络学习游客向量和景点潜在向量；

将所述游客向量和融合语义特征通过矩阵分解得到第一交互向量；

利用多层感知机得到游客向量和景点潜在向量的第二交互向量；

将所述第一交互向量与所述第二交互向量拼接并做归一化处理得到游客对景点的评分；

将游客对景点的评分从高到低排序，取前K个分数最高对应的景点，得到top_k景点推荐列表。

2.根据权利要求1所述的一种基于混合式监督学习的旅游景点推荐方法，其特征在于，该方法还包括对所述历史游览数据进行去重和实体消岐。

3.根据权利要求2所述的一种基于混合式监督学习的旅游景点推荐方法，其特征在于，将历史游览数据中的景点属性值按照区间划分。

4.根据权利要求1所述的一种基于混合式监督学习的旅游景点推荐方法，其特征在于，所述特征向量通过以下方式得到：

在所述景点知识图谱中取景点实体ID和景点属性值ID；

针对每个景点知识图谱中的每种属性子图通过带偏置的随机游走策略生景点序列；

利用神经网络语言模型Word2Vec将景点序列映射到低维空间将每个景点的景点实体和景点属性值转化成特征向量。

5.一种基于混合式监督学习的旅游景点推荐装置，其特征在于，该推荐装置包括：

数据获取模块，用于获取游客历史游览数据，包括景点以及各个景点的景点属性值；

编码模块，用于为所有景点以及景点属性值设置一个唯一的id编码；

可视化模块，用于将景点及景点属性值转化为三元组，构建景点知识图谱并可视化；

抽取模块，用于对所述景点知识图谱根据景点的属性类别进行相应的属性子图抽取；

景点序列生成模块，用于利用随机游走方法根据景点知识图谱中的每种属性子图生成景点序列，所述景点序列中的元素包括景点实体、属性和景点属性值；

向量化模块，用于利用神经网络语言模型对所述景点序列进行训练将所述景点序列映射到低维向量空间中，将景点实体和景点属性值转化成特征向量；

融合模块，用于对每个景点在不同属性下的向量进行相加平均得到每个景点的融合语义特征向量；

第一学习模块，用于通过神经网络学习游客向量和景点潜在向量；

分解模块，用于将所述游客向量和融合语义向量通过矩阵分解得到第一交互向量；

第二学习模块，用于利用多层感知机得到游客向量和潜在向量的第二交互向量；

拼接模块，用于将所述第一交互向量与所述第二交互向量拼接并做归一化处理得到游客对景点的评分；

排序模块，用于将游客对景点的评分从高到低排序，取前K个分数最高对应的景点，得到top_k景点推荐列表。

6.根据权利要求5所述的一种基于混合式监督学习的旅游景点推荐装置，其特征在于，该装置还包括预处理模块，用于对所述历史游览数据进行去重和实体消岐。

7.根据权利要求6所述的一种基于混合式监督学习的旅游景点推荐装置，其特征在于，该装置还包括区间划分模块，用于将历史游览数据中的景点属性值按照区间划分。