基于注意力机制的群体旅游路线推荐方法技术

本发明专利技术公开一种基于注意力机制的群体旅游路线推荐方法，包括如下步骤：获取不同景点之间的移动交通时间，每个景点的平均访问时间；根据用户历史旅游路线、群体历史旅游路线建立群体偏好模型；根据群体偏好模型，景点热度模型，构建景点效用函数模型；根据景点效用函数模型，群体旅游路线约束得到群体共同偏好最匹配的旅游路线作为最终向群体推荐的旅游路线。由于本发明专利技术的一种基于注意力机制的群体旅游路线推荐方法，采用了注意力机制，可以学习群体成员之间的交互关系，并为每个群体成员自动分配权重，获得更准确的群体偏好，本发明专利技术在群体旅游路线的时空约束条件下，最大化群体偏好，为群体成员推荐满意的旅游路线。

【技术实现步骤摘要】
基于注意力机制的群体旅游路线推荐方法
本专利技术涉及旅游应用领域，尤其涉及一种基于注意力机制的群体旅游路线推荐方法。
技术介绍
随着全球经济的飞速发展，旅游已成为人们与家人、朋友休闲度假的主要娱乐方式。从经济上说，旅游业是世界上最大，增长最快的服务行业之一，提供了大量的就业机会，为世界经济做出了重大贡献。由于结伴出行是旅游中的常见的现象，研究群体旅游路线推荐具有重要的意义。在实际生活中，群体成员往往具有不同年龄、性别、职业和个性，如何融合群体成员不同的兴趣以获取群体成员的共同兴趣偏好，使推荐结果尽可能满足大部分群体成员的需求，是群体旅游路线推荐方法需要解决的关键问题。同时，制定群体旅游路线还需要考虑路线的时空约束条件(出发地、目的地和旅游路线时间等)。尽管传统的旅游推荐系统可以为群体游客提供标准的旅游套餐，但这些套餐通常只包含热门景点，而无法满足群体游客的个性化需求。现有的主流方法试图将群体旅游路线推荐问题转化成定向问题的变体形式，并同时考虑群体偏好和时空约束，然后利用优化算法推荐群体路线。具体来说，群体偏好通过预定义的偏好聚合策略进行本文档来自技高网...

【技术保护点】
1.一种基于注意力机制的群体旅游路线推荐方法，其特征在于，包括如下步骤：/n步骤1.获取不同景点之间的移动交通时间，每个景点的平均访问时间；/n步骤2.根据用户历史旅游路线、群体历史旅游路线建立群体偏好模型；/n步骤3.根据群体偏好模型，景点热度模型，构建景点效用函数模型；/n步骤4.根据景点效用函数模型，群体旅游路线约束得到群体共同偏好最匹配的旅游路线作为最终向群体推荐的旅游路线。/n

【技术特征摘要】
1.一种基于注意力机制的群体旅游路线推荐方法，其特征在于，包括如下步骤：
步骤1.获取不同景点之间的移动交通时间，每个景点的平均访问时间；
步骤2.根据用户历史旅游路线、群体历史旅游路线建立群体偏好模型；
步骤3.根据群体偏好模型，景点热度模型，构建景点效用函数模型；
步骤4.根据景点效用函数模型，群体旅游路线约束得到群体共同偏好最匹配的旅游路线作为最终向群体推荐的旅游路线。


2.根据权利要求1所述的基于注意力机制的群体旅游路线推荐方法，其特征在于，所述步骤2具体包括如下子步骤：
步骤2.1对每个景点、用户、群体进行独热编码得到独热向量，再经过嵌入层，得到景点、用户、群体的特征表示向量；
步骤2.2.采用自注意力机制，学习群体成员之间的交互关系，得到更新的群体成员特征表示向量，具体计算过程为：



Zl＝ZlFl+Zl
其中，Fl表示群体成员之间的相似性，softmax(·)为归一化指数函数，Zl表示群体对应的用户特征表示向量聚合成的矩阵，Du表示用户特征表示向量的维度，Xl表示更新的群体成员的特征表示向量；
步骤2.3.采用注意机制，计算每个用户在群组内的权重，基于每个用户的权重，对群体中的用户进行偏好融合，得到更新的群体特征表示向量，具体计算过程为：



其中，gl表示更新的群体特征表示向量，xi为所述步骤2.2中得到的更新的群体成员i的特征表示向量，ql为初始群体特征表示向量，αi为群体成员i的权重；
步骤2.4.采用注意力机制，计算单词在景点描述文本中的权重，基于每个单词的权重，得到更新后的景点描述表示向量，具体计算过程为：



其中，tj表示景点描述文本的特征表示向量，βt为第t个单词在景点描述文本中的权重，x′t为经过单词嵌入层后的单词表示向量；
步骤2.5.采用注意力机制，计算景点描述、景点类别、景点ID在景点表示中的权重，基于权重，得到更新...

【专利技术属性】
技术研发人员：曹杰，陈蕾，申冬琴，王有权，陶海成，朱桂祥，
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