[发明专利]基于知识图谱和用户长短期偏好的个性化景点推荐方法及装置

说明书

本发明提出一种基于知识图谱和用户长短期偏好的个性化景点推荐方法，包括：对游客的历史游览景点序列进行预处理并进行景点‑编码转换；使用node2vec随机游走得到景点序列，利用word2vec中的Skip‑gram模型，得到游客和景点的特征向量；将景点的特征向量加上偏置得将作为GRU网络的输入，然后利用GRU网络进行训练输出每个景点的潜在向量；为每个景点分配不同的权重，将每个景点的权重与景点的潜在向量相乘做累加得到当前游客的长期偏好，将当前游客的长期偏好与游客的当前偏好做拼接操作后乘以权重得最终向量；对最终向量与游客的当前偏好进行点积操作得景点的预估评分，对景点的预估评分进行归一化处理得每个景点的预测概率，取前K个分数对应的景点，得到top_k景点推荐列表。

技术领域

本发明涉及智能推荐等技术领域，具体是涉及一种基于知识图谱和用户长短期偏好的个性化景点推荐方法及装置。

背景技术

随着中国人民消费水平的提高，人民对外出旅游的需求日益增加。有相关数据可知，人民出行旅游次数呈上涨趋势。推荐系统技术也应运而生，但目前的推荐系统大多并不能完全满足用户的个性化需求。具体原因是现有旅游推荐方法仅仅根据用户的历史访问位置构建用户偏好特征表示，以此做出个性化推荐。但由于用户的旅游兴趣可能随着时间的流转而发生变化。因此已有的景点推荐方法难以捕捉用户的长短期兴趣特征。因此，如何构建一个能够准确扑捉用户的长短期偏好，进而做出准确性和时效性推荐的方法显得尤为必要。

目前,基于循环神经网络的会话推荐在视频，购物网站等方面达到了不错的效果，但是它们都没有考虑同一会话间项目与项目之间的关系，以及没有考虑不同用户会话中项目与项目之间的关系，由于部分项目之间会存在一定的相似性，如果没有考虑上述这一点，这大大降低了推荐系统的准确度。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于知识图谱和用户长短期偏好的个性化景点推荐方法及装置，以解决目前深度学习中推荐精度不高和推荐结果个性化程度低等问题。

为实现上述目的及其他相关目的，本发明提供一种基于知识图谱和用户长短期偏好的个性化景点推荐方法，该方法包括以下步骤：

获取游客的历史游览景点序列；

对所述游客的历史游览景点序列进行预处理；

对所有游客的历史游览景点序列进行景点-编码转换；

使用网络表示学习方法node2vec随机游走得到景点序列，利用神经网络语言方法word2vec中的Skip-gram模型，将随机游走得到的景点序列映射到低维空间中，得到游客和景点的特征向量；

将景点的特征向量加上一个随机化的偏置得将作为GRU网络的输入，然后利用GRU网络对数据进行训练输出每个景点的潜在向量；

为每个景点分配不同的权重，将每个景点的权重与景点的潜在向量相乘做累加得到当前游客的长期偏好，然后将当前游客的长期偏好与游客的当前偏好做拼接操作，拼接操作的结果乘以权重得最终向量；

对最终向量与游客的当前偏好进行点积操作得景点的预估评分，对景点的预估评分进行归一化处理得每个景点的预测概率，将所述预测概率从高到低排序，取前K个分数对应的景点，得到top_k景点推荐列表。

可选地，使用注意力机制将每个景点的权重与景点向量相乘。

可选地，使用softmax函数对Sh进行归一化处理。

可选地，在景点-编码转换过程中，通过编码为每个景点赋值一个唯一的id。

为实现上述目的及其他相关目的，本发明还一种基于知识图谱和用户长短期偏好的个性化景点推荐装置，该装置包括：

数据获取模块，用于获取游客的历史游览景点序列；