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(fā)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(xiàn)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(lián)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(lián)知識組織技術，能夠描述現(xiàn)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(tǒng)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(xiàn)了基于知識圖譜的旅游景點應用系統(tǒng)。

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(lián)系以及區(qū)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(lián)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(qū)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(qū)、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(qū)。地區(qū)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(xiàn)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(tǒng)設計與實現(xiàn)

3.1 系統(tǒng)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(xiàn)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(tǒng)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(lián)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(jié)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(xiàn)跳轉，獲得更加詳細的信息。

3.2 系統(tǒng)關鍵技術

系統(tǒng)采用B/S架構，對于設計實現(xiàn)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(yōu)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(qū)、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(xiàn)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(tǒng)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(fā)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(lián)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(fā)旅游知識圖譜。研發(fā)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(jié)點，持久化在圖數據庫中；在前端使用roc-charts技術實現(xiàn)圖譜的可視化。最終解決信息孤島，實現(xiàn)旅游信息的知識圖譜，并基于圖譜實現(xiàn)搜索系統(tǒng)，最終成果將封裝成Web形式提供服務。