[发明专利]基于多级视觉相似度的个性化旅游地点推荐方法

说明书

本发明公开了一种基于地理标注照片多级视觉相似度的个性化旅游地点推荐方法，包括：1)对地理标注照片集进行预处理，聚类得到旅游地点，并提取用户访问旅游地点的次数；2)利用VGG16模型获得照片的视觉特征；3)利用自注意力机制为不同照片计算权重值以获得用户和旅游地点的视觉表示；4)基于用户和旅游地点的视觉表示采样得到用户和旅游地点的隐向量，并据此预测用户访问旅游地点的次数；5)基于五元组损失、准确度损失和正则项构成的整体损失对模型进行训练，获得参数调优后的模型；6)给定查询，向查询用户推荐其在查询城市可能感兴趣的旅游地点。该方法从地理标注照片集中挖掘出用户旅游偏爱，并向其推荐可能感兴趣的旅游地点。

技术领域

本发明涉及信息推荐技术领域，具体涉及一种基于地理标注照片多级视觉相似度的个性化旅游地点推荐方法。

背景技术

近年来，随着移动互联网、智能手机以及照片分享网站(例如Flickr、 Panoramio以及Instagram等)的快速发展，互联网上出现了大量地理标注照片，且这些由群体所贡献的地理标注照片数量呈快速增长趋势。基于这些地理标注照片(以下简称照片)可以挖掘城市中的旅游地点(以下简称地点)并分析游客的旅游偏爱(以下简称偏爱)，进一步为用户提供个性化的地点推荐服务。

早期基于照片挖掘的地点推荐方法通常直接基于用户访问地点的次数计算用户间的相似性，进而结合基于用户的协同过滤方法为用户推荐地点。为了提升推荐性能，出现了引入各种额外信息的地点推荐方法。随着深度神经网络的发展，照片的视觉内容受到越来越多的关注。现有的基于视觉内容的方法通常首先从照片的视觉内容中提取特征，然后利用这些特征作为先验并结合用户历史训练推荐模型。这些方法无法提取适用于地点推荐的视觉特征，因为视觉特征的提取主要由与推荐无关的计算机视觉任务指导。

为了解决这个问题，前人提出了一种视觉内容增强的兴趣点(POI) 推荐方法，该推荐方法从照片的视觉内容中提取特征，根据照片的拍摄者和拍摄地对它们进行分类，并分解用户-POI签到矩阵以进行个性化推荐。但是，给定一张照片，此方法会独立地利用用户和地点信息将其他照片划分为视觉上相似或不相似的组，无法充分利用照片的用户和地点信息来提供多级相似性。此外，此方法没有考虑不同照片对用户或地点的重要性程度。

发明内容

本发明要解决的技术问题是如何充分利用不同用户在不同地点拍摄照片的视觉差异性，获得用户偏爱和地点特征，从而进一步为用户提供个性化的地点推荐服务。

为解决上述技术问题，本发明提供的基于地理标注照片多级视觉相似度的个性化旅游地点推荐方法，包括以下步骤：

(1)对地理标注的照片集进行预处理，聚类得到旅游的地点集，并提取用户集和用户访问旅游地点的次数；

(2)利用VGG16模型获得照片的视觉特征；

(3)采用自注意力机制为不同照片计算权重值以获得用户和地点的视觉表示，并根据该用户和地点的视觉表示获得用户和地点的隐向量；

(4)根据用户隐向量和地点隐向量预测用户访问该地点的访问次数；

(5)根据照片的视觉特征构建照片的五元组损失，根据用户隐向量构建用户正则项，根据地点隐向量构建地点正则项，根据访问次数构建准确度损失，然后根据五元组损失、用户正则项、地点正则项以及准确度损失计算总损失，利用总损失迭代优化VGG16模型的模型参数和注意力机制的权重系数；

(6)针对包含查询用户和查询城市的查询任务，搜索获得查询城市中的所有候选地点，并根据步骤(3)的步骤获得的查询用户隐向量和候选地点隐向量，根据查询用户隐向量和候选地点隐向量计算查询用户对候选地点的偏爱值，以此实现个性化旅游地点推荐。

与现有的方法相比，本发明具有的有益效果至少包括：