科研学习|论文解读——基于旅游知识图谱的游客偏好挖掘和决策支持（IPM，2023）

原文题目

摘要

一、引言

• 整合多源异构旅游数据：高度可扩展的知识表示结构三元组能够自然融合多模态、碎片化的旅游数据，实现不同类型信息的互补、粒度和来源。这种能力有两个明显的好处。首先，kg可以涵盖旅游场景中的各种实体，并对实体之间丰富的多种关系、行为互动和异质属性进行建模，这有利于对旅游现象从规律到因果解释再到潜在影响进行全面系统的探索。第二，多个信息源之间的重叠信息可以支持对发现的规律进行交叉验证，进一步增强结论的概括性。
• 准确的旅游知识提取和完整的旅游场景建模：随着深度的日益成熟自然语言处理技术，相应的kg方法可以充分填补传统文本挖掘的上述空白，大大提高旅游者行为偏好知识提取的准确性和完整性，从而形成一个结构完整的旅游领域知识体系。
• 面向决策支持的海量旅游知识的有效部署和推理：kg的应用可以分为两种方式，即符号查询和分布式推理。凭借高性能的图形dbms，kg可以有效地查询，以可视化的交互方式提供多个时空分析，全面探索游客的行为模式和偏好分布。此外，前沿的分布式知识计算和推理模型（也称为kgl/kge）可以被引入，以实现和增强各种下游任务丰富的语义知识，如旅游需求预测、竞争情报等。