1.一种基于图神经网络和群决策的自驾游景点推荐方法，其特征是，包括：获取目标游客群体信息，所述目标游客群体信息包括目标游客群体出行信息以及目标游客群体基本信息；

根据所述目标游客群体出行信息，提取对应的景点信息；

根据所述目标游客群体基本信息以及所述景点信息生成旅游知识图谱；

根据所述旅游知识图谱以及预设的路径长度，生成游走序列，根据所述游走序列生成旅游知识图谱中每个节点的嵌入向量；

获取目标游客群体对景点的情感倾向，根据所述情感倾向以及旅游知识图谱，生成正向图和负向图，根据所述正向图、每个节点的嵌入向量以及节点的邻居聚合信息，得到正向嵌入表示，根据所述负向图，得到负向嵌入表示，将所述正向嵌入表示和负向嵌入表示加权融合，得到游客嵌入表示；

根据所述游客嵌入表示计算其他游客与目标游客群体中每名游客的相似度，获取最大相似度的其他游客的历史访问景点，将所有其他游客的历史访问景点作为目标游客群体的候选景点集合；

获取目标游客群体中每名游客的游客偏好；

根据每名游客的游客偏好，计算无差异门槛值、严格优于门槛值以及否决门槛值，根据所述无差异门槛值、严格优于门槛值以及否决门槛值，计算目标游客群体中每名游客对不同景点的和谐性指数以及不和谐性指数，根据和谐性指数以及不和谐性指数计算出可信度指数，根据所述可信度指数计算出净可信度，根据所述净可信度对候选景点集合排序，得到每名游客的排序景点集合；

根据排序景点集合得到景点对的相对排序位置，根据所述可信度指数得到景点对之间的可信度指数的相对区间，根据所述相对区间以及相对排序位置为每名游客建立偏好评价矩阵；

根据所述偏好评价矩阵计算群体可信度指数，根据所述群体可信度指数计算群体净可信度，根据所述群体净可信度对候选景点集合排序，得到游客群体的群体排序景点集合，将所述群体排序景点集合作为初始推荐结果；

获取群体排序景点集合中每个景点的外部环境，根据所述外部环境计算得到每个景点的加权评分；

根据所述加权评分以及群体净可信度计算得到新评分；

根据所述新评分对候选景点集合排序，得到新群体排序景点集合，将所述新群体排序景点集合作为动态调整后的推荐结果。

2.如权利要求1所述的基于图神经网络和群决策的自驾游景点推荐方法，其特征是，所述获取目标游客群体对景点的情感倾向，根据所述情感倾向以及旅游知识图谱，生成正向图和负向图，根据所述正向图、每个节点的嵌入向量以及节点的邻居聚合信息，得到正向嵌入表示，根据所述负向图，得到负向嵌入表示，将所述正向嵌入表示和负向嵌入表示加权融合，得到游客嵌入表示包括：获取目标游客群体对景点的景点评分；

根据所述景点评分，得到目标游客群体的情感倾向，所述情感倾向包括正面倾向和负面倾向；

根据所述情感倾向以及旅游知识图谱，生成正向图和负向图；

根据每个节点的嵌入向量获取正向图的节点的邻居聚合信息；

根据所述邻居聚合信息计算得到正向嵌入表示；

根据所述负向图以及多层感知机，得到负向嵌入表示；

将所述正向嵌入表示和负向嵌入表示加权融合，得到游客嵌入表示。

3.如权利要求1所述的基于图神经网络和群决策的自驾游景点推荐方法，其特征是，所述根据所述游客嵌入表示计算其他游客与目标游客群体中每名游客的相似度，获取最大相似度的其他游客的历史访问景点，将所有其他游客的历史访问景点作为目标游客群体的候选景点集合包括：根据所述游客嵌入表示计算其他游客与目标游客群体中每名游客的相似度，表示为：其中， 表示目标游客群体中的一名游客 的游客嵌入表示， 表示游客 与其他游客 之间的图嵌入向量相似度， 表示其他游客的游客嵌入表示；

获取最大相似度的其他游客的历史访问景点，将所有其他游客的历史访问景点作为目标游客群体的候选景点集合。

4.如权利要求1所述的基于图神经网络和群决策的自驾游景点推荐方法，其特征是，所述根据每名游客的游客偏好，计算无差异门槛值、严格优于门槛值以及否决门槛值，根据所述无差异门槛值、严格优于门槛值以及否决门槛值，计算目标游客群体中每名游客对不同景点的和谐性指数以及不和谐性指数，根据和谐性指数以及不和谐性指数计算出可信度指数，根据所述可信度指数计算出净可信度，根据所述净可信度对候选景点集合排序，得到每名游客的排序景点集合包括：根据所述游客偏好，计算无差异门槛值、严格优于门槛值以及否决门槛值，表示为：其中，表示游客群体中的第 名游客， 为游客偏好值， 为无差异门槛值、为严格优于门槛值以及 为否决门槛值；

根据所述无差异门槛值、严格优于门槛值以及否决门槛值，计算目标游客群体中每名游客对不同景点的和谐性指数以及不和谐性指数，和谐性指数计算方式为：其中， 表示属性 的权重， 表示景点 的第 维属性的值， 为景点 ， 为景点 ， 为严格优于门槛值， 为无差异门槛值， 为否决门槛值， 为和谐性指数；

不和谐性指数计算方式为：

根据和谐性指数以及不和谐性指数计算出可信度指数，表示为：

其中， 为可信度指数；

根据所述可信度指数计算出一致净可信度和非一致净可信度，表示为：其中， 为可信度指数，A为候选景点集合， 为景点 ， 为景点 ， 为一致净可信度， 为非一致净可信度；

使用一致净可信度减去非一致净可信度，得到净可信度；

根据所述净可信度对候选景点集合排序，得到每名游客的排序景点集合。

5.如权利要求1所述的基于图神经网络和群决策的自驾游景点推荐方法，其特征是，所述根据排序景点集合得到景点对的相对排序位置，根据所述可信度指数得到景点对之间的可信度指数的相对区间，根据所述相对区间以及相对排序位置为每名游客建立偏好评价矩阵包括：根据排序景点集合得到每个景点的排序位置；

根据每个景点的排序位置，得到景点对的相对排序位置；

根据所述可信度指数得到景点对之间的可信度指数的相对区间；

根据所述相对区间以及相对排序位置建立偏好评价矩阵。

6.如权利要求1所述的基于图神经网络和群决策的自驾游景点推荐方法，其特征是，根据所述偏好评价矩阵计算群体可信度指数，根据所述群体可信度指数计算群体净可信度，根据所述群体净可信度对候选景点集合排序，得到游客群体的群体排序景点集合包括：根据所述偏好评价矩阵，得到第一评价值，表示为：

其中， 为评价值， 表示景点 强优于景点 ， 表示景点 弱优于景点 ， 表示景点 与景点 是无差异的， 表示景点 弱劣于景点 ，表示景点 强劣于景点 ， 表示强优于， 表示弱优于，表示无差异， 表示弱劣于， 表示强劣于；

根据所述第一评价值计算得到群体和谐性指数，表示为：

其中， 为群体和谐性指数， 为游客 的权重， 为游客的总人数；

根据所述偏好评价矩阵，得到第二评价值，表示为：

根据所述第二评价值计算得到群体不和谐性指数，表示为：

根据所述群体不和谐性指数和所述群体和谐性指数，计算得到群体可信度指数；

根据所述群体可信度指数计算得到群体一致净可信度和群体非一致净可信度；

使用群体一致净可信度减去群体非一致净可信度，得到群体净可信度；

根据所述群体净可信度对候选景点集合排序，得到群体景点集合排序。

7.如权利要求1所述的基于图神经网络和群决策的自驾游景点推荐方法，其特征是，所述获取群体排序景点集合中每个景点的外部环境，根据所述外部环境计算得到每个景点的加权评分包括：获取群体排序景点集合中每个景点的外部环境，所述外部环境包括天气环境、交通环境以及景点偏好环境；

分别计算所述天气环境、交通环境以及景点偏好环境的天气环境得分、交通环境得分以及景点偏好环境得分；

根据所述天气环境得分、交通环境得分以及景点偏好环境得分加权计算得到加权评分。

8.一种基于图神经网络和群决策的自驾游景点推荐系统，其特征是，包括：第一获取模块，用于获取目标游客群体信息，所述目标游客群体信息包括目标游客群体出行信息以及目标游客群体基本信息；

提取模块，用于根据所述目标游客群体出行信息，提取对应的景点信息；

知识图谱生成模块，用于根据所述目标游客群体基本信息以及所述景点信息生成旅游知识图谱；

嵌入向量生成模块，用于根据所述旅游知识图谱以及预设的路径长度，生成游走序列，根据所述游走序列生成旅游知识图谱中每个节点的嵌入向量；

游客嵌入表示计算模块，用于获取目标游客群体对景点的情感倾向，根据所述情感倾向以及旅游知识图谱，生成正向图和负向图，根据所述正向图、每个节点的嵌入向量以及节点的邻居聚合信息，得到正向嵌入表示，根据所述负向图，得到负向嵌入表示，将所述正向嵌入表示和负向嵌入表示加权融合，得到游客嵌入表示；

候选景点集合筛选模块，用于根据所述游客嵌入表示计算其他游客与目标游客群体中每名游客的相似度，获取最大相似度的其他游客的历史访问景点，将所有其他游客的历史访问景点作为目标游客群体的候选景点集合；

第二获取模块，用于获取目标游客群体中每名游客的游客偏好；

个人排序模块，用于根据每名游客的游客偏好，计算无差异门槛值、严格优于门槛值以及否决门槛值，根据所述无差异门槛值、严格优于门槛值以及否决门槛值，计算目标游客群体中每名游客对不同景点的和谐性指数以及不和谐性指数，根据和谐性指数以及不和谐性指数计算出可信度指数，根据所述可信度指数计算出净可信度，根据所述净可信度对候选景点集合排序，得到每名游客的排序景点集合；

偏好评价矩阵建立模块，用于根据排序景点集合得到景点对的相对排序位置，根据所述可信度指数得到景点对之间的可信度指数的相对区间，根据所述相对区间以及相对排序位置为每名游客建立偏好评价矩阵；

群体排序模块，用于根据所述偏好评价矩阵计算群体可信度指数，根据所述群体可信度指数计算群体净可信度，根据所述群体净可信度对候选景点集合排序，得到游客群体的群体排序景点集合，将所述群体排序景点集合作为初始推荐结果；

第三获取模块，用于获取群体排序景点集合中每个景点的外部环境，根据所述外部环境计算得到每个景点的加权评分；

计算模块，用于根据所述加权评分以及群体净可信度计算得到新评分；

动态推荐模块，用于根据所述新评分对候选景点集合排序，得到新群体排序景点集合，将所述新群体排序景点集合作为动态调整后的推荐结果。

9.一种终端设备，包括存储器和处理器，其特征在于，所述存储器储存有能够在处理器上运行的计算机程序，所述处理器加载并执行所述计算机程序时，采用如权利要求1至7中任一项所述的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其特征在于，所述计算机程序被处理器加载并执行时，采用如权利要求1至7中任一项所述的方法。