1.一种面向知识图谱的旅游景点推荐方法，其特征在于，具体按照如下步骤进行；

步骤1：采集景点数据，确定旅游领域的实体，定义实体属性及值域，导入Neo4j图数据库生成旅游景点知识图谱；

步骤2：训练TransD知识表示模型；

具体训练步骤如下：

a.从知识图谱中随机遍历一个正三元组，并构建相应的负三元组；

b.将正负三元组中的实体归一化嵌入向量，设置学习率ε，通过学习每个样本来计算梯度方向，更新迭代模型参数；

c.重复步骤a和b，达到最大迭代次数，得到最小化损失函数；

步骤3：构建旅游景点推荐模型；

旅游景点推荐模型具体包括构建景点和景点评分矩阵，构建用户和景点评分矩阵，构建用户兴趣模型，融合计算以及产生推荐列表；

步骤3中，构建景点和景点评分矩阵具体为：分析用户的行为数据，对矩阵中的景点与知识图谱中的实体进行对应，用TransD模型学习表示知识图谱中实体和属性，得到一组低T维稠密的实值向量表示实体Ii＝(e1i，e2i，...，eni)以及面向不同关系时具有相似性的实体，使用欧几里得距离公式计算实体间的距离，并将其取值范围规约到(0，1]，实体间相似度计算如下公式(4)：其中，sim(Ii，Ij)为景点实体Ii和景点实体Ij的相似度，eki和ekj分别为景点实体Ii和景点实体Ij的向量表示然后，生成景点和景点的语义相似度矩阵；

步骤3中，所述产生推荐列表具体为：

计算用户对景点的评分，根据评分形成推荐列表，通过结合TransD模型学习和相似度权重计算得到最终的景点和景点语义相似度矩阵，计算待预测景点与用户评分景点集中每个景点的相似度，预测评分的计算如下公式(10)其中，sim(Ii，Ij)为景点实体Ii和景点实体Ij的相似度，Su，j为用户对Ij的评分，N(u)为用户u评分过的景点集合，S(i，k)为前k个与Ii最相似的景点。

2.根据权利要求1所述的一种面向知识图谱的旅游景点推荐方法，其特征在于，步骤1中，所述采集景点数据包括利用网络爬虫技术从互联网获取需要的景点信息数据，使用python中Scrapy框架进行数据爬取。

3.根据权利要求1所述的一种面向知识图谱的旅游景点推荐方法，其特征在于，步骤1中，所述旅游领域的实体包括所属地区、景点类型、所属朝代、门票价格、景点官网、平均评分以及开放时间。

4.根据权利要求1所述的一种面向知识图谱的旅游景点推荐方法，其特征在于，步骤2中，所述训练TransD知识表示模型具体如下公式(1)：hr＝hMr，tr＝tMr    (1)，

其中，h、t是实体空间中的向量表示，hr、tr是实体在超平面中的向量表示，Mr是将实体从实体空间映射到超平面r的映射矩阵。