【技术实现步骤摘要】
本专利技术涉及旅游路线推荐系统，具体为一种基于旅游消费者画像及心理模型的旅游路线推荐系统。
技术介绍
1、互联网的普及和移动设备的广泛使用，使得旅游信息获取和分享变得极为便捷，旅游者不再满足于传统的跟团游或固定路线游，而是追求更加个性化的旅游体验，这一需求推动了旅游推荐系统的快速发展，最初，路线推荐系统主要基于地理位置信息和简单的用户偏好，通过预设的算法为用户推荐旅游路线，随着大数据、云计算和人工智能技术的不断进步，路线推荐系统进入了新的发展阶段，这些系统开始利用海量的旅游数据，包括用户行为数据、景点信息、交通数据等，通过数据挖掘和机器学习算法，为用户提供更为精准的个性化推荐。现有的路线推荐系统在以下几个方面取得了显著进展：用户画像构建、多维度数据融合、智能算法优化、实时动态推荐和个性化定制服务
2、现有的旅游路线推荐系统推荐结果过于依赖用户历史数据、对新用户的冷启动问题和推荐路线的同质化现象。
技术实现思路
1、为了克服现有技术旅游路线推荐系统推荐结果过于依赖用户历史数据、对新用户的冷启动问题和推荐路线的同质化现象的问题，本专利技术设计一种基于旅游消费者画像及心理模型的旅游路线推荐系统能有效解决杉树技术问题。
2、为解决上述技术问题，本专利技术的技术方案如下：
3、一种基于旅游消费者画像及心理模型的旅游路线推荐系统，包括：数据获取与预处理模块、用户与景点交互信息图构建模块、景点知识图谱构建模块、协同知识图谱构建模块、路线规划模块、深度学习模型应
4、所述数据获取与预处理模块，用于从旅游平台获取旅游消费者用户行为数据，并进行数据清洗和规范统一，其输出端与用户与所述景点交互信息图构建模块的输入端连接，所述数据获取与预处理模块的输出端还与所述景点知识图谱构建模块的输入端连接；
5、所述用户与景点交互信息图构建模块，用于基于用户行为数据构建用户与景点之间的交互信息图，其输出端与所述协同知识图谱构建模块的输入端连接；
6、所述景点知识图谱构建模块，用于采用自顶向下方法构建景点知识图谱，并将其导入图数据库，其输出端与所述协同知识图谱构建模块的输入端连接；
7、所述协同知识图谱构建模块，用于结合用户交互信息和景点知识图谱，构建协同知识图谱，其输出端与所述路线规划模块的输入端连接，还与所述深度学习模型应用模块的输入端连接，以及与所述知识图谱技术应用模块的输入端连接；
8、所述路线规划模块，用于根据推荐景点进行旅游路线规划，其输出端与所述可视化模块的输入端连接；
9、所述深度学习模型应用模块，用于引入gru双向神经网络模型，挖掘深层次景点属性特征和用户兴趣特征，其输出端与所述知识图谱应用模块的输入端连接；
10、所述知识图谱应用模块，用于通过transr模型将协同知识图谱中的节点参数转换为向量，并使用知识感知注意力机制在传播过程中学习每个邻居的权重，其输出端与所述路线规划模块的输入端连接；
11、所述可视化模块，用于显示旅游路线推荐结果；
12、优选地，所述用户与景点交互信息图构建模块包括：
13、行为数据提取单元，用于从用户行为日志中提取用户与景点的交互数据；
14、交互图构建单元，基于所述交互数据，采用图数据结构构建用户与景点之间的交互信息图，以反映用户对不同景点的偏好和访问模式。
15、优选地，所述景点知识图谱构建模块包括：
16、知识图谱抽取单元，用于从各种渠道抽取景点相关的知识信息；
17、知识图谱融合单元，将抽取的知识信息进行整合和校验，形成结构化的景点知识库；
18、图数据库导入单元，将景点知识库导入图数据库，构建景点知识图谱，以便进行高效的查询和推理。
19、优选地，所述协同知识图谱构建模块包括：
20、信息融合单元，用于将用户交互信息图和景点知识图谱进行融合，形成包含用户行为和景点知识的协同知识图谱；
21、图结构优化单元，对协同知识图谱进行结构优化，提高图谱的准确性和可用性。
22、优选地，所述路线规划模块包括：
23、景点推荐单元，基于协同知识图谱和用户画像，为用户推荐感兴趣的景点；
24、路线优化单元，根据推荐的景点，结合地理信息和用户偏好，进行旅游路线的优化和规划。
25、优选地，所述深度学习模型应用模块包括：
26、特征提取单元，利用gru双向神经网络模型，从用户行为数据和景点属性数据中提取深层次特征；
27、兴趣匹配单元，根据提取的特征，进行用户和景点之间的兴趣匹配，以提高推荐的准确性。
28、优选地，所述知识图谱应用模块包括：
29、向量转换单元，通过transr模型将所述协同知识图谱中的节点参数转换为向量表示；
30、权重学习单元，使用知识感知注意力机制在传播过程中学习每个邻居节点的权重，以优化推荐结果。
31、与现有技术相比，本专利技术的有益效果是：本系统通过数据获取与预处理模块，从旅游平台获取用户行为数据，并进行清洗和规范统一，为后续模块提供了高质量的数据基础，接着，用户与景点交互信息图构建模块和景点知识图谱构建模块分别构建了用户与景点之间的交互信息图和景点知识图谱，为系统提供了丰富的用户和景点信息，协同知识图谱构建模块将用户交互信息和景点知识图谱进行融合，形成了包含用户行为和景点知识的协同知识图谱，为后续的推荐提供了全面的信息支持，在此基础上，路线规划模块根据推荐景点进行旅游路线规划，结合地理信息和用户偏好，为用户提供个性化的旅游路线，深度学习模型应用模块引入gru双向神经网络模型，挖掘深层次景点属性特征和用户兴趣特征，进一步提高了推荐的准确性，同时，知识图谱应用模块通过transr模型将协同知识图谱中的节点参数转换为向量，并使用知识感知注意力机制学习每个邻居节点的权重，进一步优化了推荐结果，可视化模块将旅游路线推荐结果进行展示，使用户能够直观地了解推荐的旅游路线。整个系统不仅提高了旅游路线推荐的准确性和个性化程度，还通过可视化展示增强了用户体验。此外，系统的各个模块相互协同工作，形成了一个完整的推荐流程，提高了推荐效率和准确性，为用户提供了更加便捷、高效的旅游路线推荐服务。
本文档来自技高网...【技术保护点】
1.一种基于旅游消费者画像及心理模型的旅游路线推荐系统，其特征在于，包括：数据获取与预处理模块、用户与景点交互信息图构建模块、景点知识图谱构建模块、协同知识图谱构建模块、路线规划模块、深度学习模型应用模块、知识图谱应用模块和可视化模块；
2.根据权利要求1所述的一种基于旅游消费者画像及心理模型的旅游路线推荐系统，其特征在于，所述用户与景点交互信息图构建模块包括：
3.根据权利要求1所述的一种基于旅游消费者画像及心理模型的旅游路线推荐系统，其特征在于，所述景点知识图谱构建模块包括：
4.根据权利要求1所述的一种基于旅游消费者画像及心理模型的旅游路线推荐系统，其特征在于，所述协同知识图谱构建模块包括：
5.根据权利要求1所述的一种基于旅游消费者画像及心理模型的旅游路线推荐系统，其特征在于，所述路线规划模块包括：
6.根据权利要求1所述的一种基于旅游消费者画像及心理模型的旅游路线推荐系统，其特征在于，所述深度学习模型应用模块包括：
7.根据权利要求1所述的一种基于旅游消费者画像及心理模型的旅游路线推荐系统，其特征在
...【技术特征摘要】
1.一种基于旅游消费者画像及心理模型的旅游路线推荐系统，其特征在于，包括：数据获取与预处理模块、用户与景点交互信息图构建模块、景点知识图谱构建模块、协同知识图谱构建模块、路线规划模块、深度学习模型应用模块、知识图谱应用模块和可视化模块；
2.根据权利要求1所述的一种基于旅游消费者画像及心理模型的旅游路线推荐系统，其特征在于，所述用户与景点交互信息图构建模块包括：
3.根据权利要求1所述的一种基于旅游消费者画像及心理模型的旅游路线推荐系统，其特征在于，所述景点知识图谱构建模块包括：
【专利技术属性】
技术研发人员：刘瀚哲，汪希，邓琦，
申请(专利权)人：重庆海联职业技术学院，
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。