基于知识图谱与大语言模型的文旅知识智能整合方法研究.pdfVIP

第４６卷第１期吉林师范大学学报(自然科学版)Ｖｏｌ.４６ꎬＮｏ.１

２０２５年２月ＪｏｕｒｎａｌｏｆＪｉｌｉｎＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ(ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ)Ｆｅｂ.ꎬ２０２５

ｄｏｉ:１０.１６８６２/ｊ.ｃｎｋｉ.ｉｓｓｎ１６７４￣３８７３.２０２５.０１.０１６

基于知识图谱与大语言模型的

文旅知识智能整合方法研究

１ꎬ２２２

许骏ꎬ潘欣ꎬ佘向飞

(１.浙大城市学院国际文化旅游学院ꎬ浙江杭州３１００１５ꎻ

２.长春工程学院长白山历史文化与ＶＲ技术重构吉林省重点实验室ꎬ吉林长春１３００１２)

摘要:我国许多地区蕴含着丰富的文化资源ꎬ其文旅信息涵盖了跨多学科的人文、自然和考古知识.依赖传

统的导游和领域专家难以全面解答游客的文旅问题ꎬ而经典的基于关键词检索和匹配的知识问答系统在处

理如此广泛且复杂的知识时显得力不从心.这为游客获取全面的文旅知识ꎬ提升文化体验带来了挑战.为此ꎬ

提出了一种基于知识图谱与大语言模型的文旅知识智能整合方法.该方法通过大语言模型自动抽取文旅领

域的实体和关系ꎬ从而构建出一个具备紧密关联的文旅知识图谱.在此图谱的基础上ꎬ对大语言模型进行定

向检索和生成增强ꎬ以获得更全面和精准的文旅问题解答.本文以文化底蕴深厚的良渚地区为应用对象ꎬ构

建了智能问答系统.结果表明ꎬ该方法能够更加有效地整合多领域的文旅知识ꎬ并提供高质量的文旅问题

解答.

关键词:大语言模型ꎻ知识图谱ꎻ文旅知识ꎻ智能回复ꎻ良渚

中图分类号:ＴＰ１８２文献标志码:Ａ文章编号:１６７４￣３８７３￣(２０２５)０１￣０１１１￣０６

我国的许多地区不仅有直观展现的美景ꎬ更是文化遗产的宝藏.游客在观赏这些遗迹和风景时ꎬ往

[１￣２]

往渴望深入了解其背后的历史故事和文化内涵.因此ꎬ能够实时为游客提供文旅知识回复与应答成

为一种迫切的需求ꎬ通过应答可以帮助游客在欣赏文化之美的同时ꎬ更好地理解其丰富的背景知识ꎬ促

[３]

进文化的传播与交流.因此ꎬ建立高效智能的文旅知识应答系统已是当务之急.

尽管传统的知识问答系统在一定程度上满足了信息检索的需求ꎬ但它们主要依赖于关键词检索和匹

配技术ꎻ这种方法在面对复杂文旅场景时ꎬ游客对于其所访问区域的了解较为有限ꎬ因此很难提出准确的

[４￣５]

关键词以获得相关信息.此外ꎬ由于知识领域的广泛性和问题形式的多样性ꎬ传统系统难以穷尽所有可

能的询问模式ꎻ这导致了系统在处理非结构化询问时表现出较低的效率.当前ꎬ已有大量研究探索利用自

[６]

然语言处理技术提升问答系统的灵活性和准确性ꎬ以更好地满足旅游信息服务的实际需求.

近年来ꎬ大语言模型(ＬａｒｇｅＬａｎｇｕａｇｅＭｏｄｅｌꎬＬＬＭ)技术的兴起为知识问答系统提供了新的思路.这

些模型(如ＧＰＴ系列和ＢＥＲＴ)能够理解并生成自然语言文本ꎬ成为自然语言处理领域的研究热点.ＬＬＭ

通过广泛的语料库训练ꎬ具备理解和回答多种问题的能力.然而ꎬ它们本质上是一个基于训练数据的静

[７]

态知识快照ꎬ无法实时更新ꎬ因此在处理需要最新信息或特定领域的专业问题时表现有限.由于文旅

知识在ＬＬＭ训练数据中所占比例较小ꎬ所以ＬＬＭ的文旅知识十分有效ꎬ一旦涉及深入专业的文旅知

识ꎬ大语言模型的回答往往是空泛而缺乏参考价值.为了弥补ＬＬＭ在专业知识领域的不足ꎬ出现了知识

图谱(ＫｎｏｗｌｅｄｇｅＧｒａｐｈｓꎬＫＧ)和检索