1.一种基于知识图谱和用户长短期偏好的个性化景点推荐方法，其特征在于，该方法包括以下步骤：

获取游客的历史游览景点序列；

对所述游客的历史游览景点序列进行预处理；

对所有游客的历史游览景点序列进行景点‑编码转换；

使用网络表示学习方法node2vec随机游走得到景点序列，利用神经网络语言方法word2vec中的Skip‑gram模型，将随机游走得到的景点序列映射到低维空间中，得到游客和景点的特征向量；

将景点的特征向量加上一个随机化的偏置得 将 作为GRU网络的输入，然后利用GRU网络对数据进行训练输出每个景点的潜在向量；

为每个景点分配不同的权重，将每个景点的权重与景点的潜在向量相乘做累加得到当前游客的长期偏好，然后将当前游客的长期偏好与游客的当前偏好做拼接操作，拼接操作的结果乘以权重得最终向量；

对最终向量与游客的当前偏好进行点积操作得景点的预估评分，对景点的预估评分进行归一化处理得每个景点的预测概率，将所述预测概率从高到低排序，取前K个分数对应的景点，得到top_k景点推荐列表。

2.根据权利要求1所述的一种基于知识图谱和用户长短期偏好的个性化景点推荐方法，其特征在于，使用注意力机制将每个景点的权重与景点向量相乘。

3.根据权利要求1所述的一种基于知识图谱和用户长短期偏好的个性化景点推荐方法，其特征在于，使用softmax函数对Sh进行归一化处理。

4.根据权利要求1所述的一种基于知识图谱和用户长短期偏好的个性化景点推荐方法，其特征在于，在景点‑编码转换过程中，通过编码为每个景点赋值一个唯一的id。

5.一种基于知识图谱和用户长短期偏好的个性化景点推荐装置，其特征在于，该装置包括：

数据获取模块，用于获取游客的历史游览景点序列；

预处理模块，用于对所述游客的历史游览景点序列进行预处理；

编码模块，用于对所有游客的历史游览景点序列进行景点‑编码转换；

特征向量获取模块，用于使用网络表示学习方法node2vec随机游走得到景点序列，利用神经网络语言方法word2vec中的Skip‑gram模型，将随机游走得到的景点序列映射到低维空间中，得到游客和景点的特征向量；

潜在向量获取模块，用于将景点的特征向量加上一个随机化的偏置得 将 作为GRU网络的输入，然后利用GRU网络对数据进行训练输出每个景点的潜在向量；

最终向量获取模块，用于为每个景点分配不同的权重，将每个景点的权重与景点的潜在向量相乘做累加得到当前游客的长期偏好，然后将当前游客的长期偏好与游客的当前偏好做拼接操作，拼接操作的结果乘以权重得到最终向量；

推荐模块，用于对最终向量与游客的当前偏好进行点积操作得Sh，对Sh进行归一化处理得每个景点的概率，将所述概率从高到低排序，取前K个分数对应的景点，得到top_k景点推荐列表。

6.根据权利要求5所述的一种基于知识图谱和用户长短期偏好的个性化景点推荐装置，其特征在于，使用注意力机制将每个景点的权重与景点向量相乘。

7.根据权利要求5所述的一种基于知识图谱和用户长短期偏好的个性化景点推荐装置，其特征在于，使用softmax函数对Sh进行归一化处理。

8.根据权利要求5所述的一种基于知识图谱和用户长短期偏好的个性化景点推荐装置，其特征在于，在景点‑编码转换过程中，通过编码为每个景点赋值一个唯一的id。

9.一种电子终端，其特征在于，包括：存储器，用于存储计算机程序；

处理器，用于执行所述存储器存储的计算机程序，以使设备执行权利要求1～4任意一项的推荐方法。

10.一种计算机可读存储介质，存储计算机程序，其特征在于，所述计算机程序被处理器运行时执行权利要求1～4任意一项的推荐方法。