一种基于强化学习的个性化旅游线路推荐方法

摘要

本发明公开了一种于强化学习的个性化旅游线路推荐方法，首先获取不同景点之间的移动交通时间和每个景点的平均访问时间，根据用户历史访问旅游线路建立景点‑景点转移概率模型和用户偏好模型。然后基于所述用户偏好模型、景点‑景点转移概率模型和景点热度模型，构建景点效用函数模型，最后基于获取的景点效用函数模型和个性化旅游路线约束，设计强化学习算法，获取匹配度最高的旅游路线，作为最终向用户推荐的旅游路线。本发明解决了传统旅游路线推荐方法无法满足游客的个性化需求的问题，同时考虑用户喜好和景点受欢迎程度，避免了景点类别的冷启动问题。