(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211246442.5 (22)申请日 2022.10.12 (71)申请人 浙江力石科技股份有限公司 地址 310000 浙江省杭州市余杭区文一西 路998号海创园科研孵化区18号楼 506、 507室 (72)发明人 许洁　陈海江　张良友　 (74)专利代理 机构 杭州云睿专利代理事务所 (普通合伙) 33254 专利代理师 张骁敏 (51)Int.Cl. G06F 16/36(2019.01) G06F 40/30(2020.01) G06K 9/62(2022.01) G06Q 50/14(2012.01) (54)发明名称 一种基于知识图谱的旅游景点推荐 方法、 设 备及存储介质 (57)摘要 本申请公开了一种基于知识图谱的旅游景 点推荐方法、 设备及存储介质， 属于智慧景区技 术领域， 本发 明基于知 识图谱的丰富的语义信息 以及改进的Tran sE算法， 解决了现有 技术中的语 义差、 推荐准确度低以及冷启 动问题， 具有良好 的实用性； 并且本发明借助景点知识图谱和用户 知识图谱以及改进的TransE模型， 从候选 景点中 找到最匹配该用户的景点作为推荐的结果， 结合 基于知识图谱的个性化旅游景点推荐方法， 为用 户提供更为精准的推荐。 权利要求书2页 说明书6页 附图2页 CN 115510244 A 2022.12.23 CN 115510244 A 1.一种基于知识图谱的旅游景点推荐方法， 其特 征在于， 包括如下步骤： 步骤1： 从现有知识库中获取景点、 用户、 景点相关属性和用户相关属性信息， 并据 此建 立第一知识图谱和第二知识图谱； 所述第一知识图谱为用户领域知识图谱， 所述第二知识 图谱为旅游领域知识图谱； 步骤2： 把所述第一知识图谱和第二知识图谱中的景点和用户均分别转化为景点向量 和用户向量， 同时把第一知识图谱和 第二知识图谱中用户对景点的喜好关系转化为关系向 量； 步骤3： 基于所述第一知识图谱和第二知识图谱以及TransE模型构 建第一预训练模型， 所述第一预训练模型通过t＝h+r训练逐渐减小损失函数， 其中r表示用户和景点之间的关 系向量、 h表示用户向量、 t 表示景点向量； 其中， 损失函数采用: 步骤4： 获取待处理数据， 所述待处理数据包括待处理的景点、 用户、 景点相关属性和用 户相关属性信息， 将待处理数据输入所述第一预训练模型， 得到第一向量集合， 所述第一向 量集合包括所述待处理数据对应的 已经训练好的用户向量、 景点向量、 以及用户和景点之 间关系向量， 通过余弦相似度来计算相似度， 并根据相似度计算出 预测评分； 其中， 景点预测评分pred(h， t)t的公式为: 用户预测评分pred(h， t)h的公式为: 式中sim(t， ti)表示景点t与景点ti之间的相似度， Tsim(t)表示与景 点t相似度大于0的景点集合， 表示用户h对景点ti的评分， sim(h， hj)表示用户h与用户hj 之间的相似度， Hsim(h)表示与用户h相似度大于0的用户的集合， 表 示用户hj对景点t的评分， 表示用户hj已评分过景点的平均得 分， rh表示用户h对已评分过 景点的平均评分； 步骤5： 将所述第一向量集合通过关键函数去计算关键预测评分； 其中， 关键预测评分 公式为： 式中， pred(h， t)为关键预测评分， max表示取最大函数， min表示取最小函数， floor表 示向下取整函数， P表示评分的最高值； 步骤6： 对上述景点预测评分、 用户预测评分和关键预测评分进行加权平均作为用户的 最终预测评分， 并对最终预测评分进行排序后， 将最高得分的景点推荐给对应的用户； 最终预测评分predfinal为: 其中a、 b和c为景点、 用户和关键 权值系数。 2.一种计算机设备， 其特 征在于， 一个或多个处 理器； 存储器， 用于存 储一个或多个程序， 当所述一个或多个程序被所述一个或多个处理器执行时， 使得所述一个或多个处理器权　利　要　求　书 1/2 页 2 CN 115510244 A 2执行如权利要求1所述的方法。 3.一种存储有计算机程序的存储介质， 其特征在于， 该程序被处理器执行时实现如权 利要求1所述的方法。权　利　要　求　书 2/2 页 3 CN 115510244 A 3