基于网络文本迁移学习的旅游知识图谱构建

在线旅游服务模式和海量网络文本的出现为旅游产业规划和用户出游推荐提供了新的信息支撑。然而实时更新的网络文本语义模糊、信噪比低,难以利用,由此,提出了一种基于领域本体和迁移学习的旅游知识图谱构建方法。首先,基于行业规范定义了旅游景点特征体系,建立了以旅游景点为核心的旅游知识图谱,支持景点语义特征的全方位刻画;然后,通过迁移学习方法将预训练语言模型改造为定制化知识抽取器,从网络文本中获取知识三元组,并融合游客足迹、兴趣点语义等信息将分散的相关信息整合为系统性的旅游景点知识图谱。知识抽取实验结果表明,相较于常用的LDA（latent Dirichlet allocation）模型,定制化知识抽取器获取的景点语义知识,其精度与完整性分别提升了50.7%和670%。所构建的旅游景点知识图谱可全面表达现实中的旅游场景,支撑不同尺度下游客行为与市场需求的深入解析,为旅游目的地可持续发展规划提供决策支持。     

新冠肺炎疫情前后游客出行行为的时空特征研究——以中国香港为例

新型冠状病毒肺炎疫情对香港旅游业产生了巨大的冲击,掌握疫情期间游客出行的时空变化特征,对后疫情时代旅游业复苏和发展至关重要。本文基于2019年和2020年社交媒体的旅游评论数据,采用时序统计、复杂网络分析等方法,对比分析疫情前后香港旅游网络的演化特征,并结合旅游目的地语义刻画游客出行规律。结果表明：① 游客出行规律呈现出一定程度变化,与疫情前相比,游客在一次出游行程中所访问的旅游目的地数量大幅下降;② 热门目的地仍然在香港旅游网络中承担着连接其他目的地的重要作用,而围绕热门目的地形成的旅游网络社区由疫情前的空间显著集聚转为相对稀疏分布,但网络社区内部目的地的空间分布较疫情前变得更加集聚;③ 在游客选择出行目的地方面,热门目的地访问量急剧减少,而以往游客较少且地理位置较为偏僻的目的地,在游客出行目的地选择时变得更被关注,但产业目的地始终是香港旅游中最热门的旅游目的地类型。     

基于通用知识库的地理实体开放关系过滤方法

文本数据为地理知识服务提供了海量资源。面向文本数据的地理实体关系抽取是地理知识图谱构建的核心技术,直接影响地理知识推理与服务的质量。由于文本数据不可避免地含有噪声,从文本中抽取的地理实体关系需要质量评价和信息过滤。本文提出一种基于通用知识库的地理实体关系过滤方法,针对已抽取的地理实体关系从中筛选出高质量的结果：先利用“本体知识”、“事实知识”和“同义词知识”构建地理关系知识库,作为信息过滤的参照数据;再基于分布式向量表示模型度量已抽取的地理实体关系与参照数据之间的语义相似性,以提高地理知识图谱的丰度与鲜度。实验结果表明,相比业界流行的“Stanford OpenIE”工具,本文所提出的方法可将置信度区间[0, 0.2]和[0.8, 1]的MSE（Mean Square Error）从59.27%降至3.94%,AUC(Area Under the ROC Curve)从0.51提升至0.89。