【技术实现步骤摘要】
一种融合用户情感和知识图增强的景点推荐方法
[0001]本专利技术涉及景点个性化推荐领域，尤其是一种融合用户情感和知识图增强的景点推荐方法。
技术介绍
[0002]随着人们经济水平的不断提高，人们开始追求更高的生活质量。旅游不仅能够释放工作压力舒缓心情，还能开阔眼界。伴随着国民经济的提升，消费者需求趋向于更加多元化、个性化。目前，旅游景点推荐为用户的出行带来便利。虽然借助于旅游网站，用户可以随时随地了解各地旅游信息，选择喜爱的旅游产品，制定符合需求的旅行计划。
[0003]但在移动互联网迅猛发展，数据量呈现指数级增长的环境下，旅游消费者如何从众多的旅游消费数据中选择更合适的旅游产品，对于提升用户体验感和带动经济发展具有重要的积极作用。因此如何从海量旅游数据中解决“信息过载”问题值得研究。
[0004]旅游行为的产生不同于购买商品、观看视频、收听音乐、浏览新闻等，需要更多的时间成本以及经济成本，因此，用户与景点之间的交互矩阵更稀疏。针对数据稀疏性问题，可以通过引入附加信息以解决，如用户/项目属性、社交网络和上下...
【技术保护点】
【技术特征摘要】
1.一种融合用户情感和知识图增强的景点推荐方法，其特征在于：包括以下步骤：S1，根据景点属性信息，构建景点知识图谱AKG；S2，采用翻译模型TransR学习景点知识图谱AKG中实体和关系的低维表示向量，作为模型的初始输入；S3，为充分聚合景点高阶邻居信息，引入多头注意力机制学习景点属性权重，采用图神经网络学习景点嵌入；S4，根据历史交互信息，按时间先后顺序构建用户访问景点序列；S5，从评论中分析用户的情感倾向，设计用户情感随时间变化函数，学习用户兴趣嵌入；S6，设计损失函数训练模型，根据训练后的模型学习用户和景点嵌入，进行相似度计算，依据结果对用户推荐景点。2.根据权利要求1所述的一种融合用户情感和知识图增强的景点推荐方法，其特征在于：S1中，构建的景点知识图谱AKG，是根据景点的属性信息，生成一系列三元组，其形式为(景点名称，属性，属性值)；其中，景点名称和属性值为景点知识图谱AKG中的实体，属性为景点知识图谱AKG中的关系。3.根据权利要求1所述的一种融合用户情感和知识图增强的景点推荐方法，其特征在于：S2的具体步骤如下：2.1，由于景点包含多方面特征，有多个不同关系，为充分表征实体特征，将头、尾实体从实体空间映射到相应的关系空间，公式为：式中，e
h
,为实体空间中头、尾实体嵌入，为实体空间中头、尾实体嵌入，为实体空间中头、尾实体嵌入，为关系空间中的头、尾实体以及关系嵌入，d≠k，空间变换矩阵2.2，根据向量加减的三角形定则，定义得分函数，公式为：2.3，随机替换三元组中头或尾实体生成非事实三元组集合作为负样本，训练模型，其损失函数为：式中，并且(h,r,t
′
)为事实三元组中随机替换尾实体构造的非事实三元组，σ(
·
)激活函数，此处选用Sigmoid函数；真实三元组的f
r
(h,t)越小，损失越小，非真实三元组的f
r
(h,t
′
)越大，损失越小；该层在三元组粒度上对实体和关系进行建模，提高了模型的表示能力。4.根据权利要求1所述的一种融合用户情感和知识图增强的景点推荐方法，其特征在于：S3的具体步骤如下：3.1，不同关系上的邻居节点对景点的影响不同，即不同的关系r对于实体h的表征贡献不同；在复杂度相同的情况下，为提高模型的计算效率，选用内积计算注意力得分，公式为：π(h,r,t)＝(M
r
e
t
)
T
(M
r
e
h
+e
r
)
ꢀꢀꢀꢀ
(4)式中，π(h,r,t)为在关系r上的衰减因子，表示由关系r控制的从头实体h到尾实体t的
信息传播量；M
r
为空间变换矩阵，e
h
,和分别表示头实体、尾实体和关系的嵌入；3.2，对公式(4)利用Softmax函数归一化，公式为：3.3，设以实体h为头实体的三元组集合为即实体t为实体h的一阶邻居；为表征实体h的一阶连接结构，聚合h的一阶邻居信息，公式为：3.4，信息聚合层借助图神经网络，聚合邻居节点特征，将其作为头实体h的特征向量，形式上为：式中，表示由一阶邻居实体聚合的特征表示，同理得到高阶的邻居实体表示，公式为：为：3.5，对于聚合函数f(
·
)，执行三种聚合操作：f:分别为：
①
GCN聚合器，采用非线性激活函数对特征进行加和操作，公式为：式中，W∈R
d
′×
d
为信息迭代过程中训练参数，b为偏置；
②
GraphSage聚...
【专利技术属性】
技术研发人员：郭景峰，李山山，董嘉硕，胡心专，魏宁，张丽艳，
申请(专利权)人：燕山大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。