(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 202210975680.3 (22)申请日 2022.08.15 (71)申请人 山西大学 地址 030006 山西省太原市坞城路9 2号 (72)发明人 郑建兴　廖健　王素格　 (74)专利代理 机构 太原申立德知识产权代理事 务所(特殊普通 合伙) 14115 专利代理师 程园园 (51)Int.Cl. G06F 16/9535(2019.01) G06N 3/04(2006.01) (54)发明名称 一种融合属性共现和交互行为特征的旅游 景点推荐方法 (57)摘要 本发明涉及旅游景点推荐技术领域， 公开了 一种融合属性共现和交互行为特征的旅游景点 推荐方法， 首先构建用户和景点的属性共现图， 通过图神经网络学习用户和景点的同质属性共 现特征； 接着将用户与景点的同质属性共现特征 匹配， 学习异质属性共现特征； 融合同质和异质 属性共现特征， 获得属性共现特征表示； 通过用 户与景点的交互行为获得交互行为特征表示； 融 合属性共现特征和交互行为特征， 获得用户和景 点的特征表 示； 通过内积计算用户对候选景点的 评分， 根据评分高低生成推荐景点列表； 依据用 户的共现属性和景点共现属性， 为景点标注推荐 原因。 本发 明基于用户共现属性和景点共现属性 解释了用户对 景点的偏好， 对于旅游景点潜在游 客挖掘提供极大支持。 权利要求书5页 说明书10页 附图2页 CN 115292599 A 2022.11.04 CN 115292599 A 1.一种融合属性共现和 交互行为特征的旅游景点推荐方法， 其特征在于： 包括以下步 骤： 步骤S1， 根据用户的属性集合构建用户属性图， 基于图神经网络学习用户的同质属性 共现特征表示； 步骤S2， 根据景点的属性集合构建景点属性图， 基于图神经网络学习景点的同质属性 共现特征表示； 步骤S3， 通过注意力机制匹配用户的属性共现特征与景点的属性共现特征， 建模用户 的异质属性共现特 征表示； 步骤S4， 融合用户的同质属性共现特征表示和异质属性共现特征表示， 建模用户的属 性共现特 征表示； 步骤S5， 根据用户对景点的交 互行为， 学习用户的交 互行为特 征表示； 步骤S6， 融合属性共现特 征表示和交 互行为特 征表示， 建模用户的特 征表示； 步骤S7， 根据步骤S1 ‑S6， 同样地融合景点的属性共现特征表示和交互行为特征表示， 建模景点的特 征表示； 步骤S8， 根据用户的特 征表示和景点的特 征表示， 通过内积计算用户对景点的评分； 步骤S9， 根据用户对候选集景点的评分高低进行排序， 生成推荐景点列表； 步骤S10， 依据用户和景点的共现属性， 为推荐的景点标注推荐原因。 2.根据权利要求1所述的融合属性共现和交互行为特征的旅游景点推荐方法， 其特征 在于： 所述步骤S1中根据用户的属 性集合构建用户属 性图， 基于图神经网络学习用户的同 质属性共现特 征表示， 具体步骤为： 步骤1.1， 用户具有性别、 职业、 年龄类属性信息， 这些属性之间具有关联， 基于这些信 息构建每个用户的属性图UA， 其中节点表示用户的属性， 嵌入表示为uA， 边表示用户的同质 属性对之间的共现关系； 步骤1.2， 基于图注意力机制学习图中不同的属性特征组合， 建模用户属性之间的共现 相关性， 用户属性 i与j之间共现相关性表示 为： 其中， Whom、 a为神经网络的权 重参数， | |表示拼接， σ 为 LeakyReLU激活函数； 步骤1.3， 在用户的属性 集合中， 定义用户属性 i与j之间的注意力权 重为： 其中， 为属性i与j的共现相关性在用户所有属性中的归一化注意力权重， Nu为用户u 的属性集合； 步骤1.4， 考虑到用户属性i与 其他所有属性之间的相关性， 定义用户属性i的共现特征 表示为：权　利　要　求　书 1/5 页 2 CN 115292599 A 2其中， 为用户属性i与j之间的共现相关性在用户所有属性中的归一化注意力权重， 描述了属性j在用户所有属性中的贡献程度， Nu为用户u的属性 集合。 3.根据权利要求2所述的融合属性共现和交互行为特征的旅游景点推荐方法， 其特征 在于： 所述步骤S2中根据景点的属 性集合构建景点属 性图， 基于图神经网络学习 景点的同 质属性共现特 征表示， 具体步骤为： 步骤2.1， 景点具有位置、 等级、 门票类属性信息， 这些属性之间具有关联， 基于这些信 息构建每个景点的属性图VA， 其中节点表示景点的属性， 嵌入表示为vA， 边表示景点属性间 的共现关系； 步骤2.2， 基于图注意力机制学习图中不同的属性特征组合， 建模景点属性之间的共现 相关性， 景点属性m与n之间的共现相关性表示 为： 其中， Whom、 a为神经网络的权 重参数， σ 为 LeakyReLU激活函数； 步骤2.3， 在景点的属性 集合中， 定义景点属性m与n之间的注意力权 重为： 其中， 为属性m与n的共现相关性在景点所有属性中的归一化注意力权重， Nv为景点 v的属性集合； 步骤2.4， 考虑到景点属性m与 其他所有属性之间的相关性， 定义景点属性m的共现特征 表示为： 其中， 为景点属性m与n的共现相关性在景点所有属性中 的归一化注意力权重， 描述 了属性n在景点所有属性中的贡献程度， Nv为景点v的属性 集合。 4.根据权利要求3所述的融合属性共现和交互行为特征的旅游景点推荐方法， 其特征 在于： 所述步骤S3中通过注意力机制匹配用户的属性共现特征与景点的属 性共现特征， 建 模用户的异质属性共现特 征表示， 具体步骤为： 步骤3.1， 考虑到用户的不同属性可能偏好于景点的不同属性， 通过注意力机制来匹配 用户和景点的异质属性共现特 征； 用户属性 i与景点属性m之间匹配的共现相关性表示 为： 其中， Whet、 bhet为神经网络的权 重参数，⊙表示逐元素相乘， σ 为 LeakyReLU激活函数； 步骤3.2， 在景点的属性 集合中， 定义用户属性 i与景点属性m之间的注意力权 重为：权　利　要　求　书 2/5 页 3 CN 115292599 A 3