基于旅游知识图谱的可解释景点推荐

景点推荐系统可以帮助游客过滤大量的无关信息, 还能辅助商家发掘潜在的顾客. 然而, 现有 的基于传统方法的推荐系统, 如基于内容的推荐或协同过滤系统, 虽推荐过程相对透明直观, 但由于数 据稀疏性的存在, 推荐结果往往不够准确; 基于深度学习的推荐方法, 虽在一定程度上提高了推荐结 果的精度, 但由于缺乏可解释性和透明度, 难以满足部分用户理解推荐依据的愿望, 也阻碍了此类方法 的推广应用. 为了解决当前方法所存在的局限, 本文引入基于知识图谱的景点推荐框架, 将推荐过程 与知识图谱嵌入相结合, 推断用户兴趣在知识图谱上的传播路径, 以此作为推荐依据. 此外, 本文通过 对真实旅游数据的多角度时空分析, 探究旅游活动的时空规律, 并将其应用于景点推荐框架中, 提出一 种面向旅游的基于知识图谱的可解释推荐方法 —— Geo-RippleNet, 并通过构建基于开放网络资源的 旅游知识图谱, 对 Geo-RippleNet 进行了全面的实验验证. 结果表明, 本文提出的基于知识图谱的景点 推荐方法, 不仅可以最大限度地吸收知识图谱丰富的语义信息, 从而实现可观的性能提升, 还能充分 利用图谱的关系知识, 推理兴趣传播路径, 以增强推荐结果的可解释性. 此外, 将旅游活动的时空规律 融入到上述推荐框架中, 能够还原用户出游和决策的时空过程, 进一步提高方法的性能表现.