旅游景點知識圖譜的構建與應用

原 越，范家豪，寇 哲，安超凡

（北京信息科技大學 計算機學院，北京 100101）

0 引 言

得益于信息技術的發展，線上景點數據日趨豐富。目前在各個領域都存在著知識圖譜技術的廣泛應用。針對旅游領域來說，現有的基于網頁進行搜索的方式能夠提供的旅游景點信息缺乏關聯度和完整性，不利于用戶獲取有效信息。而知識圖譜作為一種關聯知識組織技術，能夠描述現實世界中存在的各種實體和屬性，以及實體之間的關系。同時，知識圖譜能夠幫助計算機更好地理解人類語言模式，從而更加智能化地對用戶所需要的各類信息進行反饋。

在知識圖譜構建技術方面，劉嶠等人介紹了自底向上的知識圖譜構建技術。在知識獲取方面，姚萍等人介紹了知識獲取的過程。在知識圖譜的應用方面，邵嘉進等人將知識圖譜用于旅游領域，構建了每個用戶的畫像，并為每個用戶推薦旅游景點。

與傳統的富文本形式相比，知識圖譜更注重強調對實體的覆蓋，其包含的語義豐富，語義關系的建模具有多樣化的特點。例如針對景點、酒店、餐飲這3個實體，可以引申出相同地理位置的景點、相同等級的景點以及景點附近相鄰的酒店和餐飲三個關系，對比分散性查詢信息可以提供極大的便利。因此，本文通過對景點數據的高效整理來構建旅游景點知識圖譜，且在此基礎上設計并實現了基于知識圖譜的旅游景點應用系統。

1 知識圖譜的構建

1.1 知識圖譜的架構

知識圖譜在邏輯上可分為模式層與數據層兩個層次：模式層在數據層之上，是知識圖譜的核心，通常采用本體庫來管理知識圖譜的模式層。兩者之間的聯系以及區別通過如下例子進行說明。

（1）模式層：實體-屬性-屬性值

（2）數據層：故宮-面積-72萬平方公里

（3）模式層：實體-關系-實體

（4）數據層：故宮-位于-北京

這里，對構建流程可做探討分述如下。

（1）原始材料的收集。根據互聯網的信息進行爬取。

（2）本體構建。是對獲取的知識進行加工，模式層的建立。

（3）信息抽取。需要將內容抽取成三元組的形式。

（4）知識存儲。將最終的內容存儲到圖數據庫中，利用自身的語句進行增刪改查。

1.2 知識圖譜的構建流程

目前，多用2種構建知識圖譜的方法。一是自頂向下：從模式層開始構建，再往里面添加實例，直至構建的完成。二是自底向上：從數據層開始構建，再向上抽象出來概念和關系，直至構建完成。

本文選擇2種方法相融合進行旅游景點知識圖譜的構建。首先定義并構建本體，建立模式層；根據模式層抽取出景點、旅店、餐館的概念、屬性、屬性值以及各自的概念、屬性、屬性值之間的關系；最后將所有知識存入Neo4j圖數據庫。構建流程如圖1所示。

圖1 知識圖譜構建流程圖Fig.1 Flow chart of knowledge graph construction

2 旅游知識的本體設計

景點的知識的本體構建選用經典的七步法，并且根據實際情況簡化不必要的步驟。主要分為5個步驟：確定本領域的范疇、獲取爬取的信息、旅游領域標簽確定、抽取本體概念、本體建模。本體構建流程如圖2所示。

圖2 本體構建流程圖Fig.2 Flow chart of ontology construction

本體建模的過程：使用Protégé軟件利用自上而下法進行本體構建、旅游景點知識圖譜的構建。對此擬展開研究論述如下。

（1）確定本領域的范疇。不同的領域本體的構建內容和方式是不同的，研究旨在確定本體領域研究范圍重要的因素。本文著重研究的是旅游領域知識圖譜的構建，所以重點在于以旅游景點為中心的本體構建。

（2）獲取有關信息。通過爬取得到的數據作為景點信息的來源，在其中獲取旅游景點、旅店、餐館的相關的信息。

（3）旅游領域標簽的確定。根據爬取的信息，確定初步的旅游領域的標簽，如：旅游攻略、酒店、餐館、景區風景、等級等等。

（4）抽取本體概念。通過篩選抽取出來本體的概念有地區、等級兩個類。

研究得到的本體類層級如圖3所示。根據旅游景點的等級和采集到的數據，可以將景點分為AAAA和AAAAA級景區。地區可以根據中國的省份進行劃分，分為：黑龍江省、四川省、吉林省等等。

圖3 本體類層級圖Fig.3 Hierarchical diagram of ontology classes

（5）本體建模。本體建模的具體實現如圖4所示。

圖4 本體建模圖Fig.4 Ontology modeling diagram

（6）部分結果展示。見圖5。

圖5 部分結果展示Fig.5 Part of the results show

3 基于旅游知識圖譜的系統設計與實現

3.1 系統功能設計

相對于文本形式的表達，將各景點以及景點周邊設施的信息以圖的形式展現可以幫助用戶在盡可能短的時間內多角度、全方位地搜索到自己感興趣的目標，功能需求如下：

（1）多樣化輸入法格式。因為每一個用戶的搜索形式不同，有的用戶可能只輸入關鍵詞進行搜索，而有的用戶會輸入整句進行搜索，所以系統要盡可能滿足不同用戶的輸入法格式，無論是輸入關鍵詞、還是整句，都能搜索到相應內容。

（2）多景點圖譜可視化展示。以圖的形式將各景點的信息展示出來，以導航形式將信息串聯起來，如此用戶使用起來將更加方便。

（3）當用戶點擊某個景點節點時，與其處于相同等級或者相同地理位置的景點就會被列舉出來，這時用戶可以從中選擇自己感興趣的景點。若要獲得某一景點的周邊服務，例如酒店、餐飲時，只需要點擊該景點，就會實現跳轉，獲得更加詳細的信息。

3.2 系統關鍵技術

系統采用B/S架構，對于設計實現中用到的關鍵技術，這里將給出剖析表述如下。

（1）數據爬取與預處理。通過爬取https://www.ctrip.com和https://www.qunar.com作為信息的來源。在爬取方法上，采用分布式爬蟲的方法，能夠提高爬取數據的效率；在搜索策略上，采用廣度優先的網頁搜索策略；在分析方法上，采用基于文本的網頁分析算法，很大程度上借用了文本檢索的技術，利用網頁的標簽，快速有效地對網頁信息進行分類和聚類；在爬蟲技術上，分為URL讀取和存儲、頁面元素分析、數據存儲三個模塊，最終將其存儲到csv文件中。

（2）知識圖譜存儲。利用將Phantom JS和Selenium結合搭建爬蟲框架，通過正則化表達式導入存入csv文件中，利用圖數據庫Neo4j自身的import語句導入Neo4j中。Neo4j數據庫中的知識圖譜如圖6所示。知識圖譜中，實體包括：景點、餐館、酒店。景點的屬性有圖片、名稱、電話、簡介、票價、等級、地址；酒店屬性包括酒店的名稱、類型、酒店鏈接、評分、地址、電話、簡介、好評率；餐館包括餐館的名稱、餐館菜系、地址、特色美食、人均費用、評分這幾個屬性。關系則包括：同地區、相同等級、近鄰。

圖6 Neo4j數據庫中知識圖譜Fig.6 Knowledge graph in Neo4j database

（3）信息檢索。將前端網頁輸入的關鍵詞請求傳送到后臺，調用相關的語句，匹配關鍵詞，返回信息，展示給用戶。

（4）搜索結果可視化。本文采用roc-echarts實現知識圖譜的網頁可視化，后臺通過Cypher語句完成信息檢索。

3.3 系統效果展示

景點搜索頁面是主要應用知識圖譜的頁面，頁面主要分為四大塊，分別為：左側、上面、中間、下面。旅游景點網站主要展示這個景點的信息，并將信息分成4部分，分別為：基本信息、簡介、小貼士、知識圖譜的可視化。從知識圖譜中可以清晰地看到，景點的信息、和本景點相同地點的景點、和本景點相同等級的景點。本次研發得到的景點信息頁面如圖7所示。

圖7 景點信息頁面Fig.7 Scenic spots informations page

4 結束語

目前的旅游攻略僅有富文本信息流單一形式，用戶難以獲取足夠的、有關聯的、真正感興趣的旅游信息，所以專門針對該需求，本次研究開了發旅游知識圖譜。研發中，利用Phantom JS和Selenium結合搭建爬蟲框架，獲取精細粒度旅游數據，以景點、旅店、餐廳為對象實體構造知識節點，持久化在圖數據庫中；在前端使用roc-charts技術實現圖譜的可視化。最終解決信息孤島，實現旅游信息的知識圖譜，并基于圖譜實現搜索系統，最終成果將封裝成Web形式提供服務。