一种基于多视图注意力机制的旅游包推荐方法技术

本发明专利技术公开了一种基于多视图注意力机制的旅游包推荐方法，通过借助深度学习技术来学习旅游包的统一表征，并依据在线旅游用户的长短期点击流数据来学习用户的兴趣表征产生推荐，该方法包含即旅游包编码和用户兴趣编码，在旅游包编码模块中，通过使用单词层面和视图层面的注意力网络从旅游包的属性中选择重要的单词和视图来学习统一的旅游包表征，在用户兴趣编码模块中，通过带有旅游包层面的注意力机制的递归神经网络(Recurrent Neural Network,RNN)来学习用户偏好的动态演化，本发明专利技术还提出了一种门结构融合方法用于集成用户的长期和短期偏好以学习用户的表征。本发明专利技术的基于多视图注意力机制的旅游包推荐方法能有效地挖掘出负样本中的有用信息，降低了模型训练的计算成本。

【技术实现步骤摘要】
一种基于多视图注意力机制的旅游包推荐方法
本专利技术涉及信息科学领域，提供了一种基于多视图注意力机制的旅游包推荐方法。
技术介绍
近年来，随着互联网高速发展，旅游是在电子商务领域最成功和最受益的产业之一。在旅游电子商务中，越来越多的游客通过各种各样的在线平台收集更丰富、全面、个性化的旅游信息用于他们的旅游行程规划。因此，产生了大量的在线旅游数据，电子商务旅游平台(OnlineTravelAgency,OTA)也亟需通过一些新颖的数据分析和挖掘的技术手段去实现商务的潜能。旅游包通常指的是一组包含一系列包含旅游相关内容的集成包，如出发和目的地城市，旅游路线文本描述，旅游成本，行程天数，交通，住宿，分类等。大量研究已经进行了旅游包个性化推荐的研究。基于线下旅行社提供的消费数据，他们发现与传统产品相比(如电影，书籍和杂货)，旅游包具有截然不同的领域特点。大多数基于用户点击流(会话)的旅游包推荐模型仅仅利用了用户当前的实时点击流数据，而忽视了历史点击流数据。另外一种推荐模型为基于用户的个性化推荐模型，实际上，随着时间的推移用户的交互行为自然形成一个行为序本文档来自技高网...

【技术保护点】
1.一种基于多视图注意力机制的旅游包推荐方法，其特征在于，包括如下步骤：/n步骤1)：构建旅游包编码模块，即统一的旅游包的表征学习模块，得到旅游包编码模块学习后的表征向量为r

【技术特征摘要】
1.一种基于多视图注意力机制的旅游包推荐方法，其特征在于，包括如下步骤：
步骤1)：构建旅游包编码模块，即统一的旅游包的表征学习模块，得到旅游包编码模块学习后的表征向量为rj；
步骤2)：构建用户长期偏好编码模块和和用户短期偏好编码模块，即用户的长期兴趣表征学习模块和用户的短期兴趣表征学习模块，得到短期行为表征向量su和长期行为表征向量lu；
步骤3)：设计门结构融合网络模块，将步骤2得到的短期行为表征向量su和长期行为表征向量lu作为门结构融合网络模块的输入，得到用户u的偏好表征向量Ou；
步骤4)：通过NATR模型，即NeuralAttentiveTravelpackageRecommendation模型计算推荐分值：zk＝OuTrj，通过Adam优化器来最小化损失函数，将NATR模型中的参数调为最优配置。


2.根据权利要求1所述的基于多视图注意力机制的旅游包推荐方法，其特征在于，步骤1)中，旅游包编码模块依据旅游包的四种属性进行表征学习，所述四种属性包括旅游包的标题、目的地、旅游区域和旅游类型，该模块采用了单词级和视图级的注意机制分别对单词和视图进行有效的选择，给定一个旅游包xj，xj＝<Title，Destination，Categories〉，标题即Title包括国家/城市、景点、酒店交通和行程天数等，目的地即Destination包括一个或者少数几个单词组成的标识，通常由城市或者国家名称表示，类别即Categories包括从旅游区域(TravelRegion)和旅游类型(TravelType)，经过旅游包编码模块学习后的表征向量为rj。


3.根据权利要求1所述的基于多视图注意力机制的旅游包推荐方法，其特征在于，步骤2)中，用户长期和短期偏好编码模块分别设计了两个带有注意力机制的双向长短记忆神经网络(Bi-directionalLongShort-termMemory，Bi-LSTM)，分别从用户历史和当前点击流中动态学习用户的长短期偏好，有注意力机制Bi...

【专利技术属性】
技术研发人员：曹杰，朱桂祥，申冬琴，陈蕾，梁伟超，
申请(专利权)人：云境商务智能研究院南京有限公司，南京理工大学，
类型：发明
国别省市：江苏;32