[發明專利]一種基于知識圖譜的個性化旅游景點推薦方法

有效

• 申請號: 201710917772.5
• 申請日: 2017-09-30
• 公開（公告）號: CN107729444B
• 公開（公告）日: 2021-01-12
• 發明（設計）人: 常亮;張偉濤;孫文平;古天龍
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/36
• 代理公司: 桂林市持衡專利商標事務所有限公司 45107
• 代理人: 陳躍琳

本發明公開一種基于知識圖譜的個性化旅游景點推薦方法，通過互聯網上海量的數據構建旅游領域知識圖譜，利用改進的TransE模型對知識圖譜中的信息進行編碼，將景點以及用戶結點依據鏈接屬性的個數訓練為一個n維的向量(假設有n個屬性)，將用戶與景點之間的關系也表示為n維向量，得到用戶以及景點的向量表示之后計算用戶與用戶以及景點與景點之間的相似度，將相似度代入預測評分公式得到兩個預測評分，然后將f(h,r,t)所計算得到的向量之間的差值歸一化到評分閾值之間，得到第三個預測評分，最后對三個預測評分進行加權平均得到最后的評分列表為用戶做出推薦。本發明解決了現有技術中的語義差、推薦準確度低以及冷啟動問題，具有良好的實用性。

技術領域

本發明涉及知識圖譜及機器學習技術領域，具體涉及一種基于知識圖譜的個性化旅游景點推薦方法。

背景技術

近年來，云計算、物聯網、移動互聯網、人工智能等技術的迅速發展為人們的工作生活帶來了很多便利。在旅游休閑方面，用戶可以方便地通過網絡來搜索旅游信息并對旅游產品和服務進行選購，享受信息化技術帶來的便利。然而，當面對爆炸式增長的網絡信息時，用戶反而難以進行高效的選擇。推薦系統的出現為解決信息超載提供了一條有效途徑。推薦系統是信息過濾系統的一個子集，旨在根據用戶的喜好、習慣、個性化需求以及商品的特性來預測用戶對商品的喜好，為用戶推薦最合適的商品，幫助用戶快速地做出決策，提高用戶滿意度。推薦系統的價值在于能夠提供盡量合適的選擇和推薦而不需要用戶明確提供他們所想要的內容。

傳統的推薦系統分為基于內容的推薦系統、基于協同過濾的推薦系統、基于知識的推薦系統、基于人口統計學的推薦系統和混合型推薦系統。這些推薦系統在垂直領域取得了許多突破性進展，在對新聞和網頁的推薦以及對圖書、電影等傳統商品的推薦上取得了很好的效果，但在將它們應用于旅游推薦時仍然存在諸多挑戰。旅游產品的冷啟動問題更為嚴重，對于系統中新用戶沒有任何的瀏覽或者購買記錄就無法刻畫其特征，進而無法進行推薦物品的匹配。

發明內容

本發明所要解決的是現有個性化推薦方法所存在的推薦準確度低以及推薦系統所固有的冷啟動而無法適用于旅游景點的推薦的問題，提供一種基于知識圖譜的個性化旅游景點推薦方法。

為解決上述問題，本發明是通過以下技術方案實現的：

一種基于知識圖譜的個性化旅游景點推薦方法，包括步驟如下：

步驟1、從現有知識庫中獲取景點、用戶、景點相關屬性和用戶相關屬性信息，并據此建立1個旅游領域知識圖譜；

步驟2、將旅游領域知識圖譜的用戶和景點均分別表示為用戶向量和景點向量，同時，將游領域知識圖譜中用戶對景點的喜好關系也表示為用戶與景點之間的關系向量；

步驟3、根據模型h+r＝t建立用戶向量、景點向量、以及用戶和景點之間關系向量的損失函數，并通過最小化損失函數，使用戶向量、景點向量、以及用戶與景點之間的關系向量循環收斂到最優，以達到優化目標的目的；其中損失函數為L：

步驟4、利用已經訓練好的用戶向量、景點向量、以及用戶和景點之間關系向量，通過余弦相似度去計算景點相似度和用戶相似度，并得到根據景點相似度計算出的景點預測評分和根據用戶相似度計算出的用戶預測評分；其中

景點預測評分pred(h,t)_t為：

用戶預測評分pred(h,t)_h為：

步驟5、利用已經訓練好的用戶向量、景點向量、以及用戶和景點之間關系向量，并通過關鍵函數去計算關鍵預測評分；其中關鍵預測評分pred(h,t)為：