1.一种基于知识图谱的个性化旅游景点推荐方法，其特征是，包括步骤如下：

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1个旅游领域知识图谱；

步骤2、将旅游领域知识图谱的用户和景点均分别表示为用户向量和景点向量，同时，将旅游领域知识图谱中用户对景点的喜好关系也表示为用户与景点之间的关系向量；

步骤3、根据模型h+r＝t建立用户向量、景点向量、以及用户和景点之间关系向量的损失函数，并通过最小化损失函数，使用户向量、景点向量、以及用户与景点之间的关系向量循环收敛到最优，以达到优化目标的目的；其中损失函数为L：步骤4、利用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，通过余弦相似度去计算景点相似度和用户相似度，并得到根据景点相似度计算出的景点预测评分和根据用户相似度计算出的用户预测评分；其中景点预测评分pred(h,t)t为：

用户预测评分pred(h,t)h为：

步骤5、利用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，并通过关键函数去计算关键预测评分；其中关键预测评分pred(h,t)为：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用户；其中最终预测评分predfinal为：其中，h表示用户向量，r表示景点向量，t表示用户与景点之间的关系向量；γ为设定的边际值，f(h,r,t)表示正例三元组的关联函数， S(h,r,t)表示正例三元组集合，f(h′,r,t′)表示负例三元组的关联函数， S(h′,r,t′)表示负例三元组集合，L1表示L1范式，L2表示L2范式；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， 示用户h对已评分过景点的平均评分；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，a、b和c为景点、用户和关键权值系数。

2.根据权利要求1所述一种基于知识图谱的个性化旅游景点推荐方法，其特征是，步骤

1中，将景点和用户作为旅游领域知识图谱中的概念实体结点，景点相关属性信息和用户相关属性信息作为旅游领域知识图谱中个性化推荐中描述景点和用户的特征标签结点，2个概念实体结点和/或特征标签结点之间的语义联系作为旅游领域知识图谱中的边。

3.根据权利要求1或2所述一种基于知识图谱的个性化旅游景点推荐方法，其特征是，步骤1中，在所建立的旅游领域知识图谱中，景点相关属性的个数和用户相关属性的个数均为n。

4.根据权利要求3所述一种基于知识图谱的个性化旅游景点推荐方法，其特征是，步骤

2、根据每个用户所链接的用户相关属性的个数n，将旅游领域知识图谱中的每个用户表示为1个n维的用户向量；同时，根据每个景点所链接的景点相关属性的个数n，将旅游领域知识图谱中的每个景点表示为1个n维的景点向量；另外，将旅游领域知识图谱中用户对景点的喜好关系也表示为一个n维的用户与景点之间的关系向量。

5.根据权利要求1所述一种基于知识图谱的个性化旅游景点推荐方法，其特征是，步骤

2中，

景点向量的每一维对应旅游领域知识图谱中景点所链接的一个景点相关属性，每一维的初始值是该景点相关属性所占权重；

用户向量的每一维对应旅游领域知识图谱中用户所链接的一个用户相关属性，每一维的初始值是该用户相关属性所占权重；

用户与景点之间的关系向量的每一维对应用户对景点的喜好程度，每一维的初始值为单位向量。

6.根据权利要求1所述一种基于知识图谱的个性化旅游景点推荐方法，其特征是，正例三元组f(h,r,t)表示用户h和景点r之间存在喜欢关系t的三元组；负例三元组f(h,r,t)表示用户h和景点r之间存在不喜欢关系t的三元组。