[发明专利]基于主题多样性的旅游景点动态推荐算法及装置

权利要求书

1.基于主题多样性的旅游景点动态推荐方法，其特征在于：包括以下步骤，

S101：收集游客基础信息及扩展信息，从旅游门户网站和社交网站收集游客的基础信息和扩展信息；

S102：收集景点的基础信息，从旅游门户网站和景点官方网站收集景点的基础信息；

S103：度量游客自身偏好变化，运用LDA模型得到游客在不同时刻对各个主题的偏好，通过两个时刻的偏好差值来量化游客的偏好变化；

S104：度量考虑社交关系及潮流趋势导致的游客偏好变化，游客的社交关系对其偏好具有明显影响，并且随着时间推移，景点的整体潮流趋势也会发生变化，进而影响游客的偏好，通过这个两个方面计算某一时间段游客的偏好变化；

S105：游客预测评分计算，基于所述S103和S104中游客偏好变化分析相对应旅游景点的游客预测评分；

S106：正式推荐景点生成，基于所述S105计算得到的预测评分，按照预测评分的高低生成正式推荐景点集，并以可视化的形式推荐给目标游客；

S107：评估游客预测评分的综合性能，将推荐给游客的景点集的预测评分与游客的真实评分进行对比，若对比数据差异大，说明游客u的偏好发生了变化；基于游客当前偏好和在某一时刻的真实评分，可以使用随机梯度下降算法对游客的偏好进行动态更新，并将更新后的游客动态预测评分生成推荐景点集，并以可视化的形式重新推荐给目标游客。

2.根据权利要求1所述的基于主题多样性的旅游景点动态推荐方法，其特征在于：所述S103中，

游客u在t₁时刻到t_n时刻的主题偏好变化量记为其计算如公式①所示，

可以准确度量游客在各个主题上偏好程度的改变；

除了主题偏好之外，游客u在t₁时刻到t_n时刻的季节流行度偏好、距离偏好和游客偏见会发生变化，并影响游客对景点的偏好程度，对季节流行度偏好变化记为距离偏好变化记为和游客偏见变化记为其各自的计算如公式②③④所示：

用来表示游客u在t₁时刻的整体偏好，其计算如公式⑤所示：

假设用K个维度来描述游客的主题偏好，游客u在t₁时刻的偏好则有K+3个维度，游客u在t₁时刻到t_n时刻的整体偏好变化量如公式⑥所示：

所述S104中，

从相似邻居v偏好漂移的角度预测的游客u在时刻到t_n时刻的偏好漂移，其计算公式如⑦所示：

公式⑦中，sim(u,v)表示相似性度量函数，T表示时刻到t_n时刻的时间段,表示时刻到t_n时刻之间有评分的游客集合，Neighbour(u)表示时刻到t_n时刻之间游客u的邻居集合；

随着时间推移，景点的整体潮流趋势也会发生变化，进而影响游客的偏好，在预测在时刻到t_n时刻的整体潮流漂移的时候，采用所有游客的偏好变化来预测整体潮流漂移，如公式⑧所示：

公式⑧中的表示游客集合中的游客数量；

所述S105中，游客预测评分计算，基于所述S103和S104中游客偏好变化的分析，提出游客预测评分计算公式⑨，

公式⑨中，E为景点-主题矩阵，μ为用户平均评分，b_u和b_i分别表示游客偏见和景点偏见，和分别表示示景点i在时刻的季节流行度和远近程度。

3.根据权利要求2所述的基于主题多样性的旅游景点动态推荐方法，其特征在于：所述S107中，推荐给目标游客景点集的时间与游客反馈真实评分的时间较短，景点的主题特征分布、景点偏见和平均评分不会在发生明显变化，针对某一景点j的预测评分与实际评分差异大，说明游客u的偏好发生了变化；基于游客当前偏好和在时刻的真实评分，可以使用随机梯度下降算法对游客u的偏好进行动态更新，其计算游客的动态预测评分，其计算公式如下，

公式⑩中，η表示随机梯度下降中的学习率,λ₁表示随机梯度下降中的正则化率。