[发明专利]一种基于协同记忆网络的旅游推荐方法

权利要求书

1.一种基于协同记忆网络的旅游推荐方法，其特征是，包括步骤如下：

步骤1、利用爬虫工具从旅游网站上采集用户的游记，从中抽取出各个用户所访问过的景点，并对所有用户及其所有景点进行分别编号；

步骤2、将每个用户访问过的所有景点都分别作为一个集合，构建关于用户的景点邻域集；同时，将访问过每个景点的所有用户都分别作为一个集合，构建关于景点的用户邻域集；

步骤3、利用神经网络将所有用户和所有景点分别映射到两个特征向量空间中，其中一个特征向量空间为用户向量矩阵和景点向量矩阵，另一个特征向量空间为用户外部记忆矩阵和景点外部记忆矩阵；

步骤4、对于每个用户u，基于步骤3所得到的用户向量矩阵和景点向量矩阵，计算用户u与关于景点i的用户邻域集中各个用户v的相似度q_uiv，并对用户u与其用户邻域集中各个用户v的相似度q_uiv进行归一化处理后得到用户u的权重系数p_uiv；其中：

步骤5、将用户u的权重系数p_uiv作为注意力机制中的权重，并将关于景点i的用户邻域集中各个用户v在用户外部记忆矩阵中的用户特征向量进行加权求和，得到关于用户u的邻域结构信息o_ui；

步骤6、对于每个景点i，基于步骤3所得到的用户向量矩阵和景点向量矩阵，计算景点i与关于用户u的景点邻域集中各个景点j的相似度q_iuj，并对景点i与其景点邻域集中各个景点j的相似度q_iuj进行归一化处理后得到景点i的权重系数p_iuj；其中：

步骤7、将景点i的权重系数p_iuj作为注意力机制中的权重，并将用户u的景点邻 域集中各个景点j在景点外部记忆矩阵中的景点特征向量进行加权求和，得到关于景点i的邻域结构信息o_iu；

步骤8、将用户u在用户向量矩阵中的用户特征向量与景点i在景点向量矩阵中的景点特征向量进行元素积，得到用户u对景点i的全局结构信息；

步骤9、将步骤5所得到的关于用户u的邻域结构信息o_ui、步骤7所得到的关于景点i的邻域结构信息o_iu、以及步骤8所得到的用户u对景点i的全局结构信息进行拼接，并将拼接后的向量输入到多层神经网络中去得到用户u对景点i的最终评分；

步骤10、当需要针对某个目标用户推荐景点时，则将该目标用户对各个景点的最终评分进行排序，并选出排名靠前的K个景点，即得到关于该目标用户的Top-K旅游景点推荐；

上述，m_u表示用户u在用户向量矩阵的用户特征向量，m_v表示用户v在用户向量矩阵中的用户特征向量；e_i表示景点i在景点向量矩阵中的景点特征向量，e_j表示景点j在景点向量矩阵中的景点特征向量；v∈N(i)，N(i)表示所有访问过景点i的用户所构成的关于景点i的用户邻域集；j∈S(u)，S(u)表示用户u访问过的所有景点所构成的关于用户u的景点邻域集；u＝1,2,…,n，n表示用户的个数；i＝1,2,…,m，m表示景点的个数；其中K为设定的推荐景点的个数。

2.根据权利要求1所述的一种基于协同记忆网络的旅游推荐方法，其特征是，步骤3中，用户向量矩阵和用户外部记忆矩阵的维度均为n×d，景点向量矩阵和景点外部记忆矩阵的维度均为m×d，其中n表示用户的个数，m表示景点的个数，d表示矩阵的维度。

3.根据权利要求1或2所述的一种基于协同记忆网络的旅游推荐方法，其特征是，步骤3中，还进一步包括如下过程：使用广义矩阵分解方法对用户向量矩阵和景点向量矩阵进行预训练更新。