CN110287336B - 一种面向旅游景点推荐的游客画像构建方法 - Google Patents

Abstract

本发明提供了一种面向旅游景点推荐的游客画像构建方法，利用游客历史游览的景点序列在旅游知识图谱上的传播生成游客历史游览景点序列相对于候选景点的特征向量，通过注意力网络给不同的特征向量分配不同的权重，计算得到上述特征向量的加权和，该加权和即是游客的表示向量，将上述得到的表示向量作为游客画像的表示，在个性化景点推荐阶段，再将景点表示向量和游客画像做内积运算生成游客游览该景点的概率，按照不同景点的概率大小为游客生成景点推荐的列表。

Description

一种面向旅游景点推荐的游客画像构建方法

技术领域

本发明涉及景点推荐技术领域，尤其涉及一种面向旅游景点推荐的游客画像构建方法。

背景技术

随着人们生活水平的提高和生活方式的改变，越来越多的人选择外出旅游。但随着旅游市场的不断发展，游客可选择的景点越来越多，如何从海量的景点中筛选出自己喜欢的景点是一个急需解决的问题。旅游推荐系统通过自动化算法来进行旅游信息推送，游客不需要显示提交任何查询和兴趣偏好，它的终极目标就是能够理解游客需求和隐含偏好，旅游推荐系统的一个核心问题就是游客画像构建。传统的基于游客历史游览景点序列的游客画像构建，大多数都是对游客社交信息特征的简单抽取，利用游客发表的评论等文本信息为游客打标签，不能很好地满足游客的个性化需求，同时也没有考虑游客对不同的景点有不同的偏好，不能给游客推荐满意且多样化的景点。

发明内容

本发明的目的在于提供一种面向旅游景点推荐的游客画像构建方法，以解决传统的游客画像构建方法中生成的游客画像不够全面、不够精准，生成的游客画像无法与景点推荐任务很好地融合等问题。

为了达到上述目的，本发明提供了一种面向旅游景点推荐的游客画像构建方法，包括：

本发明的有益效果如下：

1、本发明将景点的特征构成三元组，并以三元组为单元构建旅游知识图谱，三元组的使用不仅简化了数据的存储，还保留了景点属性；旅游知识图谱的使用准确地描述景点及其属性的关系，使得原始数据更加丰富、准确和多样化；

2、本发明使用网络表示学习的方法，将旅游知识图谱中的三元组向量化，即将三元组中实体和关系映射到低维度向量空间中表示成特征向量，该方法将繁杂的网络节点结构和属性数据表示为简单、低维的向量，不仅保留原来数据的特征，还极大地简化了计算，使得游客画像更加准确、合理，较好地与旅游推荐系统进行融合；

3、本发明在刻画游客的历史游览景点序列对景点的特征向量时，通过计算景点的特征向量和三元组中头实体的相似度得到每个三元组的相关性概率，该方法考虑了三元组中的关系特征，使景点的特征向量和三元组中头实体的相似度更加准确、合理；

4、本发明引入注意力网络，该注意力网络计算不同特征向量和景点特征向量的相似度，得到不同特征向量的权重，该权重刻画了游客兴趣偏好的变化，从而保证了游客画像的全面性与准确性，实验表明本发明有效地提高了景点推荐的准确性与多样性。

附图说明

图1为本发明实施例提供的面向景点推荐的游客画像构建方法的整体流程图；

图2为本发明实施例提供的数据采集和预处理流程图；

图3为本发明实施例提供的三元组向量化流程图；

图4为本发明实施例提供的不同跳数下三元组集合生成示意图；

图5为本发明实施例提供的游客画像生成及景点推荐整体框架示意图。

具体实施方式

下面将结合示意图对本发明的具体实施方式进行更详细的描述。根据下列描述，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。

如图1-图4所示，本实施例提供了一种面向景点推荐的游客画像构建方法，包括：

步骤A1、利用网络爬虫工具从各大旅游门户网站采集游客的历史游览的景点以生成景点序列(如七星景区→象山景区→海洋世界→南溪山公园→漓江景区)及对景点的评分数据等景点属性数据，并进行数据清洗，再对相对应的每组游客、景点以及景点属性进行统一编号，便于后续三元组和旅游知识图谱的构建。

步骤A2、将游客、景点及其景点属性等表示成三元组的形式。举例：“象山景区位于桂林市象山区”，则可以用三元组表示为：<象山景区，位于，桂林市象山区>，其中“象山景区”为三元组中的头实体，“位于”为三元组中的关系，“桂林市象山区”为尾实体。将所有景点及其景点属性表示成以上三元组的形式以构建旅游知识图谱；

步骤A3、使用网络表示学习的方法将三元组映射到特征向量空间中，将三元组中的实体和关系通过基于翻译模型的方法(如TransD、TransE和TransH)进行训练，使实体和关系表示成特征向量的形式；

步骤A4、根据构建好的旅游知识图谱以及步骤3中获得的实体和关系的特征向量，在游客历史游览的景点序列的基础上，以游客历史游览的景点序列为中心沿着旅游知识图谱中的关系为链接逐跳地向外扩展，在该过程中可以得到不同跳数下以游客历史游览的景点为中心的三元组集合，随着跳数的增加，游客的潜在偏好程度逐渐减弱；

步骤A5、利用步骤4中生成的三元组集合及步骤3获得的实体和关系的特征向量，将不同跳数下三元组中的头实体与景点的特征向量在该三元组的关系下通过内积运算得到每个三元组的相关性概率；

步骤A6、通过将步骤5生成的不同跳数下三元组集合中所有三元组的相关性概率与相应三元组中的尾实体进行加权求和得到游客在不同三元组集合下历史游览的景点序列对于景点的特征向量，迭代上述过程得到不同跳数下的特征向量，将上述所有特征向量及景点特征向量同时输入到注意力网络中得到不同特征向量的权重，再将该权重与上述特征向量加权求和生成游客的特征表示向量，该特征表示向量即为最终的游客画像；

步骤A7、将景点表示向量和游客画像做内积运算生成游客游览该景点的概率，按照不同景点的概率大小为游客生成景点推荐列表。

其中，图2为本实例数据采集和预处理的流程图，具体的步骤包含：

步骤S1、利用现有的网络爬虫技术，例如去哪儿、携程、马蜂窝等旅游门户网站上爬取游客的历史游览的景点序列和对景点的评分以及各景点的景点属性，景点属性包括：景点名称、景点等级、景点地理位置、景点门票价格、景点游览的顺序、适宜游玩季节或景点游玩项目等。通过上述操作后爬取的原始数据是杂乱无章的、毫无规则，数据之间没有任何联系，语义信息是缺失的，无法直接作为构建游客画像的数据源。因此，在爬取数据后还需进一步对数据进行清洗，去除不可用的数据并转化为可用的数据格式。不能完全符合本方法后续计算的要求，需要对其进行必要的处理及转化。例如景点地理位置，不是直接使用文本来表示，而是用该景点对应的地理坐标，也就是经度和纬度来表示该景点的地理位置信息；

步骤S2、上述步骤S1爬取的原始数据无法直接作为构建游客画像的数据源，因此，对游客、景点及景点属性进行统一编号，该编号唯一表示某一对象。本方法从步骤S1中的预处理后的数据中抽取出游客对景点的评分数据，再对游客以及相应的景点进行匿名化处理，即为游客和景点设置唯一标识的ID。例如：游客“276725”设置对应的ID为0，游客“276726”的ID设为1，景点“象山景区”的ID设为0，“芦笛岩”ID设为1，以此类推，这样我们就得到了游客对景点评分的匿名化后的数据；

步骤S3、将游客有过评分的景点作为该游客的正样本并标记为1，未评过分的景点作为负样本，标记为0，正样本和负样本的数量相同，以行表示游客，列表示景点，生成游客-景点的交互矩阵Y，Y的值为0或1分别表示游客未游览和游览过该景点，通过上述操作我们就可以分别得到正样本和负样本数据以及游客-景点的交互矩阵Y。

步骤S4、将上述步骤中得到的正样本和负样本数据进一步处理成具有相同结构和规则的数据形式，具体就是将上述游客对景点的评分数据以及景点属性用三元组(h_i,r_i,t_i)的形式表示，其中h_i为该三元组的头实体即游客或景点，t_i为该三元组的尾实体即景点属性，r_i为该三元组的关系。例如：游客3对景点213的评分为1，可表示为(3,213,1),其中1表示游客3对景点213评过分。通过将所有的数据表示为上述三元组的形式可使各景点通过多种关系属性连接，语义关系更加丰富。基于上述三元组，我们将各个三元组的头实体、尾实体通过关系进行链接，构建旅游知识图谱，该旅游知识图谱含有大量的实体、关系和属性，通过构建旅游知识图谱进一步扩展了原始数据，提高了数据的利用率；

步骤S5、生成可用的、向量化之后的三元组形式的景点数据。上述三元组中包含的只是各景点、关系和属性统一编号之后的数据，还不能直接输入模型中进行游客画像的构建，我们要将它们表示成特征向量的形式。本实施例利用网络表示学习领域基于翻译模型的TransD模型学习实体和关系的特征向量，向量化之后的实体和关系仍以三元组的形式逐行存储，即在最终的旅游知识图谱文件kg_final.txt中一行数据表示一个向量化之后的三元组。

将三元组向量化流程图如图3所示，主要步骤包括：

步骤L1、从步骤4构建好的旅游知识图谱中，抽取实体和关系，即景点和景点属性；

步骤L2、根据上述景点和景点属性，获取对应的三元组；

步骤L3、通过步骤2得到的三元组，将三元组中的景点和属性由2个向量表示。第一个向量捕捉景点或属性的语义，第二个向量用来构建映射矩阵。例如，给定三元组(h,r,t)其向量为h,h_p,r,r_p,t,t_p其中下标p表示投影向量，对于每个三元组我们设置2个映射矩阵M_rh,M_rt来将实体空间中的实体映射到关系空间中，M_rh,M_rt的定义如下：

由上式可以知道映射矩阵由实体和关系共同决定，上述操作可以让2个投影向量有效地交互。我们再使用一个单位矩阵来初始化上述映射矩阵，即将I^m×n分别加入M_rh,M_rt，在(1)(2)基础上投影后向量的定义如下：

h_┴＝M_rhh，t_┴＝M_rtt(3)

得分函数定义为：

f_r(h,t)＝-║h_┴+r-t_┴║₂₂(4)

在本实例中我们强制约束如下：║h║₂<＝1，║t║₂<＝1，║r║₂<＝1，║h_┴║₂<＝1，║t_┴║₂<＝1,其中║X║₂表示求X的二范式。

步骤L4、我们假定训练集中有n个三元组，第i个三元组为(h_i,r_i,t_i)(i＝1,2,…,n)，每个三元组都有一个标签y_i表示该三元组是正样本(y_i＝1)或负样本(y_i＝0)。在开始训练三元组的实体和关系向量之前还有一个重要的问题是旅游知识图谱只能编码正样本训练三元组而不包含负样本三元组，因此，首先我们从知识图谱中获得正样本三元组，再通过如下操作得到负样本三元组：

ξ'＝{(h_l,r_k,t_k)|h_l≠h_k∧y_k＝1}∪{(h_k,r_k,t_l)|t_l≠t_k∧y_k＝1}(5)

上式中为ξ'负样本三元组，(5)式表示的意思是从正样本三元组中抽取出那些具有相同关系但是头实体和尾实体互不相同的三元组作为负样本。定义ξ和ξ’分别为从旅游知识图谱中抽取的正样本三元组集合和相应的负样本三元组集合，δ和δ'分别为上述正负三元组集合中的元素，由此得到如下用于训练实体和关系的损失函数：

L＝∑∑[γ+f_r(δ')-f_r(δ)]₊(6)

其中，[x]₊的意思是求max(0,x)即求0和x之间更大的值，γ是区分正样本三元组和负样本三元组的间距。我们通过随机梯度下降(SGD)来最小化上述损失函数，为了加速收敛和防止过拟合我们使用TransE的结果来初始化实体和关系向量，使用单位矩阵初始化所有的转移矩阵。TransD同时考虑了关系和实体的不同类型，利用由投影向量生成的动态映射矩阵将知识图谱编码成嵌入向量。训练过程即利用三元组中头实体、尾实体和关系间的性质，将头实体、尾实体用2个映射矩阵映射到关系空间，目标就是最小化上述损失函数L，对于任意三元组(h_i,r_i,t_i)(i＝1,2,…,n)来说，需要满足d(h_i,r_i,t_i)＝║h_┴+r-t_┴║₂₂≈0，即头实体加上关系要尽可能等于尾实体。

旅游知识图谱只包含正样本三元组，负样本三元组通过抽取那些具有相同关系但头实体、尾实体互不相同的三元组得到，例如“象山景区位于桂林市象山区”和“南宁位于广西壮族自治区”具有相同的关系，但上述2个三元组的头实体、尾实体互不相同，上述2个三元组即为负样本三元组。通过优化算法最小化上述损失函数就能得到满足上述要求的实体和关系特征向量。

在得到上述旅游知识图谱中实体和关系的特征向量后，根据游客历史游览景点序列，以游客的历史游览景点序列为中心，沿着旅游知识图谱中的关系为链接逐层向外扩展，在该过程中会生成以上述游客历史游览景点序列为种子集合的、不同跳数下的三元组集合S_iu。旅游知识图谱包含丰富的语义并且链接了大量的实体，这些复杂的关系作为链接为建模游客的隐式偏好提供了丰富依据。例如，如果游客游览过了“芦笛岩”，说明他有可能喜欢游玩溶洞，所以他有可能对“银子岩”或“七星岩”也感兴趣。同时，为了表征游客在旅游知识图谱上不同层次的偏好，在本发明中迭代地为每个游客定义k跳相关实体并在此基础上定义游客的k跳三元组集合，三元组集合生成，如图4所示，具体的步骤如下：

步骤K1、给定游客、景点的交互矩阵Y和旅游知识图谱G，游客u的k跳相关实体集定义如下：

E_ku＝{t|(h,r,t)∈G&&h∈E_k-1u},k＝1,2,...,H(7)

当k＝0时有E_0u＝H_u＝{A|y_uA＝1}其中y_uA＝1表示交互矩阵Y中游客历史游览过的景点，E_ku为游客历史游览过的景点集合，该集合可被认为是游客u在知识图谱上的种子集合。其中k跳的意思是，从中心实体出发到达某一实体所经过的路径数，例如，如图4所示游客历史游览景点序列之一为“象山景区”，则以“象山景区”为种子，沿着旅游知识图谱中的关系作为链接逐层向外扩展，在该过程中会生成以上述游客历史游览景点序列为种子集合的、不同跳数下的三元组集合合。游客历史游览景点序列包含多个景点，将这些景点作为种子集合，种子集合中的每个景点作为一个种子并行执行上述传播过程。在图4中“象山景区”的1跳相关实体为“象山区”、“象鼻山”、“AAAAA”和“60元”，2跳相关实体为“海洋世界”、“漓江景区”、“七星景区”、“水月洞”和“普贤塔”以此类推；

步骤K2、相关实体可以看做是游客历史兴趣相对于旅游知识图谱的自然扩展，给定相关实体集，游客u的k跳三元组集合定义为从E_k-1u开始的知识三元组集合：

S_ku＝{(h,r,t)|(h,r,t)∈G&&h∈E_k-1u},k＝1,2,...,H(8)

随着跳数k的增加，游客的历史偏好沿着旅游知识图谱中的关系作为链接一层一层由内向外传播，在此过程中游客的潜在偏好强度应该逐渐减弱，即知识图谱中处在种子景点越外层的实体对该用户画像的特征贡献越弱。例如，在图4中“象山景区”的1跳三元组集合有：(象山景区，位置，象山区)，(象山景区，级别，AAAAA)，(象山景区，门票，60元)，(象山景区，景点，象鼻山)，2跳，3跳的三元组集合类似。随着跳数k的增加，三元组集合可能会变得很大，为了解决该问题，在实际中跳数k一般不会设置很大，因为距离游客历史游览景点序列太远的实体可能会带来额外的噪声而不是正反馈信息。在本实施例中k设置为3。通过上述操作可使三元组集合减小到适合的范围，降低游客画像计算的开销。在得到上述三元组集合后，为三元组集合中的每个三元组生成一个相关性概率，生成相关性概率的流程如图5所示，具体步骤如下：

步骤M1、在本发明中每个景点A都有唯一的特征向量a∈R^d与其对应，d为特征向量的维度。在模型训练阶段，若景点A为正样本则说明A景点为游客游览过的景点，若为负样本则说明游客未游览过景点A；在测试阶段景点A为游客未游览过的景点亦即待推荐的景点。基于具体应用场景的不同，景点的特征向量可通过景点的独热编码，属性，词包，上下文等信息表示；

步骤M2、给定景点的特征向量a以及游客u的1跳三元组集合S_1u，通过计算景点特征向量a和三元组中头实体h_i的相似度为上述S_1u中的任意三元组(h_i,r_i,t_i)分配相关性概率P_i，该过程可重复在u的2跳、3跳三元组集合中：

其中R_i∈R^d×d，h_i∈R^d分别为关系r_i和头实体h_i的表示向量，相关性概率P_i可以认为是景点a和头实体h_i在关系空间R_i下的相似度。在计算上述景点a和实体h_i相关性时需要把关系r_i的表示向量R_i考虑进去，因为景点a和实体h_i在不同的关系空间下有不同的相似度。例如“芦笛岩”、“银子岩”从景区类型来说都是自然形成的溶洞景观，这个角度上看它们是高度相似的，如果从景区的地理位置来考虑则相似度更低，一个位于秀峰区，一个位于荔浦县。在得到上述相关性概率后，根据相关性概率、三元组中的实体及景点表示向量生成游客最终的画像，基于游客画像及景点特征向量为游客生成个性化的景点推荐列表，游客画像生成及景点推荐框架如图5所示，具体步骤如下：

步骤N1、在得到上述不同跳数k下三元组集合中所有三元组(h_i,r_i,t_i)的相关性概率P_i后，通过三元组对应的相关性概率P_i和三元组尾实体t_i计算得到不同跳数下三元组集合中所有三元组尾实体的加权和：

其中t_i∈R^d为尾实体t_i的表示向量,f_ku为游客u历史游览景点序列H_u对于景点A在k跳三元组集合下的特征向量；

步骤N2、在得到不同跳数k下的特征向量f_1u，f_2u,...，f_Hu后，将上述特征向量及景点A的特征向量a同时送入一个注意力网络通过分别计算景点A的特征向量a和f_1u，f_2u,...，f_Hu的相似度来给不同的特征向量生成不同的权重W_k(k＝1,2,...,H)：

W_k衡量f_1u，f_2u,...，f_Hu对景点A的不同影响；

步骤N3、再利用上述权重求得所有特征向量的加权和u：

u表示游客的特征向量，即游客画像。

步骤N4、将步骤3生成的游客画像u以及景点A的特征向量a做内积运算计算游客游览该景点的概率，按照不同景点的概率从大到小排列，取前k个景点作为该游客的景点推荐列表。

上述仅为本发明的优选实施例而已，并不对本发明起到任何限制作用。任何所属技术领域的技术人员，在不脱离本发明的技术方案的范围内，对本发明揭露的技术方案和技术内容做任何形式的等同替换或修改等变动，均属未脱离本发明的技术方案的内容，仍属于本发明的保护范围之内。

Claims (5)

1.一种面向旅游景点推荐的游客画像构建方法，其特征在于，包括：

采集游客的历史浏览的景点以及景点的景点属性，对采集到的数据进行预处理后，将相对应的每组游客、景点以及景点属性进行编号；

将游客评过分的景点作为该游客的正样本并标记为1，将游客未评过分的景点作为该游客的负样本并标记为0，其中，正样本和负样本的数量相等；

构建景点的实体和关系的三元组，并以实体和关系的三元组为基础单元构建旅游知识图谱，采用网络表示学习方法学习旅游知识图谱中的实体和关系特征，以将三元组中实体和关系转换为对应的特征向量，其中，将上述游客对景点的评分数据以及景点属性用三元组(h_i,r_i,t_i)的形式表示，其中h_i为该三元组的头实体即游客或景点，t_i为该三元组的尾实体即景点属性，r_i为该三元组的关系；

以游客的历史游览的各个景点为中心沿着旅游知识图谱中的关系为链接逐跳向外扩展，直到生成所有跳数下的三元组集合；

取游客的历史游览的景点序列中的任一景点，利用内积运算计算该景点的特征向量与三元组中头实体的特征向量的相似度，并计算出所有景点的特征向量与所有三元组的相关性概率；

计算不同跳数下三元组集合中所有三元组尾实体特征向量的加权和，将该加权和、不同跳数下的特征向量及景点的特征向量同时输入到注意力网络中计算不同跳数下特征向量的权重，并利用不同跳数下特征向量的权重得所有跳数下特征向量的加权和以得到游客画像。

2.如权利要求1所述的面向旅游景点推荐的游客画像构建方法，其特征在于，将景点的特征向量和游客画像做内积运算生成游客游览该游客景点的概率，按照不同游客景点的概率大小生成游客景点推荐列表。

3.如权利要求1所述的面向旅游景点推荐的游客画像构建方法，其特征在于，将三元组中实体和关系转换为对应的特征向量的步骤包括：

从旅游知识图谱中抽取实体和关系以获取对应的三元组；

将三元组中的实体和关系由两个特征向量表示，其中，第一个特征向量捕捉景点或关系的语义，第二个特征向量用于构建映射矩阵；

利用TranD模型的得分函数，训练三元组；

根据得分函数，建模损失函数，通过最小化损失函数得到实体和关系的特征向量。

4.如权利要求1所述的面向旅游景点推荐的游客画像构建方法，其特征在于，计算出景点的特征向量与三元组的相关性概率的步骤包括：

给定景点A的特征向量a以及游客u的1跳三元组集合S_1u；

通过计算景点的特征向量a和三元组中头实体h_i的相似度为上述S_1u中的所有三元组(h_i,r_i,t_i)分配相关性概率P_i。

5.如权利要求4所述的面向旅游景点推荐的游客画像构建方法，其特征在于，游客画像生成的步骤包括：

通过三元组对应的相关性概率P_i和三元组尾实体t_i计算得到不同跳数下三元组集合中所有三元组尾实体的加权和；

得到不同跳数k下的特征向量，并将不同跳数k下的特征向量及景点A的特征向量a同时送入注意力网络中，通过分别计算景点A的特征向量a和不同跳数k下的特征向量的相似度来给不同跳数k下的特征向量生成不同的权重；

利用不同跳数k下的特征向量的权重求得所有跳数k下的特征向量的加权和。

Images