1.一种基于多旅游上下文建模的旅游推荐方法，其特征在于，包括：采集游客的游记数据和旅游景点属性数据作为原始数据，对原始数据进行预处理后，对原始数据中的游客、景点及其属性进行编号；

从游记数据中抽取游客去过景点的序列，并从旅游景点属性数据中抽取旅游景点的实体、属性以及属性值，构建景点知识图谱，将旅游序列轨迹和景点知识图谱中的数据进行数字化；

利用深度学习模型将旅游序列轨迹和景点知识图谱映射到特征向量空间中，得到游客访问行为序列上下文的特征表示和景点旅游属性上下文的特征表示；

将每一个游客的游客访问行为序列上下文的特征表示学习为一个用户向量，通过所有游客访问行为序列上下文的特征表示，学习到每个景点的景点向量；

根据景点旅游属性上下文的特征表示学习得到景点旅游属性上下文的每个景点向量，再由用户旅游序列轨迹中访问的历史景点在景点旅游属性上下文中所对应的景点向量的均值来表示景点旅游属性上下文的用户向量；

将分别由游客访问行为序列上下文和景点旅游属性上下文得到的用户向量和景点向量进行融合，得到包含多旅游上下文信息的用户向量和景点向量；

将得到的包含多旅游上下文信息的用户向量和景点向量进行相似度计算，对每个用户向量关于所有景点向量的相似度度量值进行排序，按照度量值的大小选出排名前K的旅游景点，为用户生成Top-K旅游景点推荐。

2.根据权利要求1所述的一种基于多旅游上下文建模的旅游推荐方法，其特征在于：采集游客的游记数据和旅游景点属性数据作为原始数据，对原始数据进行预处理后，对原始数据中的游客、景点及其属性进行编号，具体包括：利用爬虫工具从旅游网站爬取游客历史游览景点序列；

将游客、景点和景点属性进行统一编号，为游客、景点和景点属性分别设置唯一的ID表示。

3.根据权利要求2所述的一种基于多旅游上下文建模的旅游推荐方法，其特征在于：所述景点属性包括景点位置、景点类型、适宜游玩季节、景点票价、开放时间和游客平均评分。

4.根据权利要求3所述的一种基于多旅游上下文建模的旅游推荐方法，其特征在于：将采集到的所有单个景点及其属性数据用三元组(P,V,Q)的形式表示；其中，P为景点实体，V为景点属性，Q为属性值，以此构建景点知识图谱。

5.根据权利要求4所述的一种基于多旅游上下文建模的旅游推荐方法，其特征在于：通过Traj2vec模型对旅游序列轨迹进行训练，优化旅游序列轨迹的特征表示，得到游客访问行为序列上下文的特征表示；

通过TKG2vec模型对景点知识图谱进行训练，优化景点知识图谱的特征表示，得到景点旅游属性上下文的特征表示。

6.根据权利要求5所述的一种基于多旅游上下文建模的旅游推荐方法，其特征在于：通过Traj2vec模型对旅游序列轨迹进行训练，优化旅游序列轨迹的特征表示，得到游客访问行为序列上下文的特征表示，具体步骤包括：从数字形式的旅游序列轨迹中抽取出景点ID；

构建用户编号矩阵和景点编号矩阵，并初始化；

利用Traj2vec模型对用户编号矩阵和景点编号矩阵进行训练，产生游客访问行为序列上下文的用户向量和景点向量。

7.根据权利要求6所述的一种基于多旅游上下文建模的旅游推荐方法，其特征在于：通过TKG2vec模型对景点知识图谱进行训练，优化景点知识图谱的特征表示，得到景点旅游属性上下文的特征表示，具体步骤包括：从数字形式的景点知识图谱中抽取景点实体ID,属性ID和属性值ID；

构建景点实体、属性、属性值向量，并初始化；

利用随机游走方式生成景点知识图谱中结点的邻居结点；

利用TKG2vec模型对景点实体、属性、属性值向量进行训练，产生景点旅游属性上下文的用户向量和景点向量。

8.根据权利要求7所述的一种基于多旅游上下文建模的旅游推荐方法，其特征在于：利用余弦相似度计算用户向量和候选景点向量的空间距离相似度；

将相似度度量值进行排序，得到用户的旅游景点的Top-K推荐。