[发明专利]融合属性特征注意力与异质类型信息的旅游景点推荐方法

说明书

本发明涉及旅游景点推荐技术领域，具体涉及融合属性特征注意力与异质类型信息的旅游景点推荐方法。本发明首先基于注意力机制建模了用户和景点的属性特征；其次将用户和景点的异质类型语义信息进行映射，通过知识表示翻译机制学习预测了用户对景点的评分；最后计算用户对候选集景点的预测评分，并按评分高低进行排序，生成推荐景点列表，同时依据用户和景点的属性解释了评分行为。本发明融合用户景点属性特征注意力与用户景点异质类型语义信息学习了用户的兴趣偏好，并从用户和景点的属性方面解释了用户对景点的评分行为，提高了景点推荐的可解释性，尤其是在热门旅游景点的在线推荐预测方面可以提供极大支持。

技术领域

本发明涉及旅游景点推荐技术领域，具体涉及融合属性特征注意力与异质类型信息的旅游景点推荐方法。

背景技术

在旅游场景中，用户和景点具有不同的属性类型，用户、景点及用户对景点的评分能够形成异质信息网络。在异质信息网络中，用户对象具有固有的属性信息，如用户的性别、年龄、宗教信仰、爱好等，景点对象则具有自身的类别属性信息，如位置、面积、等级、门票、基础设施等。用户和景点丰富的属性信息和异质的类型信息可以建模用户和景点的特征。在旅游景点推荐系统中，有宗教信仰的用户可能对宗教类的景点评分较高，爱好摄影的用户可能对自然旅游景点的评分较高，基于用户和景点的属性可以解释用户对景点的评分行为。同时，用户对景点的历史评分交互行为，揭示了用户对景点的评分偏好，基于历史评分交互行为也可以学习用户和景点之间的评分关系。注意力机制在深度神经网络中用于聚焦特定的输入特征，分析输入特征各方面的重要性，提高模型的表达能力，已经广泛应用到自然语言处理与视觉图像领域。基于注意力机制可以分析用户和景点的属性语义特征在旅游推荐系统评分预测中的贡献，挖掘用户对景点的评分行为原因，提升用户对推荐景点的满意度。

在旅游景点推荐系统中，异质信息网络中用户、景点对象的类型信息和属性信息可以学习建模并解释用户对景点的评分行为关系。已有的旅游推荐系统专注于推荐性能的提升，忽略了用户和景点的属性、类型信息在提升用户满意度中的作用。因此，如何有效利用用户、景点类型和属性信息，实现用户和景点的特征建模，进而学习用户对景点的评分预测，完成精准的个性化旅游景点推荐是十分必要的。

发明内容

针对已有的旅游推荐系统忽略用户和景点的属性、类型信息在提升用户满意度中的作用，本发明提供了融合属性特征注意力与异质类型信息的旅游景点推荐方法。

为了达到上述目的，本发明采用了下列技术方案：

融合属性特征注意力与异质类型信息的旅游景点推荐方法，包括以下步骤：

步骤S1，根据用户对景点的历史评分记录建模用户的交互特征表示；

步骤S2，根据用户属性通过注意力机制建模用户的属性特征表示；

步骤S3，融合用户的属性特征表示和交互特征表示，建模用户的特征表示；

步骤S4，根据步骤S1-S3，同样地融合景点的类别属性特征表示和交互特征表示，建模景点的特征表示；

步骤S5，融合用户和景点各自的类型信息矩阵，更新用户和景点的特征表示，学习用户和景点在类型信息下的语义嵌入表示；

步骤S6，根据知识表示学习中翻译原理，通过多层感知机学习用户对景点的评分；

步骤S7，根据学习到的用户和景点语义嵌入表示，计算用户对候选集景点的评分，根据评分高低进行排序，生成推荐景点列表；

步骤S8，依据用户和景点的属性，为推荐景点列表中的景点标注评分的原因。

进一步，所述步骤S1中根据用户对景点的历史评分记录建模用户的交互特征表示，具体步骤为：