智能问答系统因支持自然语言输入、理解用户提问意图、返回答案简洁准确等优势,成为了当前的研究热点,并已运用在商务、医疗、农业等方面,帮助用户从海量的数据中快速获取有效信息。但是传统问答系统存在问句理解不精确,数据库存储压力大、拓展性差等问题。因此,为了弥补目前问答系统存在的这些不足,业界将知识图谱引入到问答系统中。基于知识图谱的问答系统通过对问句进行深度的语义解析,实现对问句意图的理解,并借助含有丰富语义信息的知识图谱,为用户反馈准确的答案,满足了人们对问答系统的更高要求。本文以微博和百度百科为数据源,通过爬虫获取网络数据后对数据进行清洗及处理,构建基于微博意见领袖的景点知识图谱,并在此基础上开展知识图谱在问答系统中的应用研究,具体的研究内容及结果如下:（1）本文将传播学中意见领袖的概念引入景点知识图谱建构中,利用网络爬虫获取了 75位著名微博旅游博主发布的63745条微博信息,对数据进行清洗后得到有效微博数据共20700条。利用命名实体识别技术从微博数据中得到博主推荐的5444个旅游景点,再将景点名称汇总为词典从百度百科信息盒中爬取景点的属性信息。（2）构建景点知识图谱。本文采用改进后的七步法进行了景点本体构建;通过训练BERT-BiLSTM-CRF模型完成景点抽取;采用相似度算法进行景点实体对齐;最后将所有知识存储在Neo4j图数据库进行可视化展示。景点知识图谱包含博主、景点、地理位置、景源类型、景点级别、最佳季节、开放时间、游览时长、门票价格九个信息类别,共计27850个三元组。（3）基于景点知识图谱的智能问答算法设计与实现。采用命名实体识别和关系属性映射实现对景点问句的语义解析任务,首先设计实现了基于BERT-BiLSTM-CRF 的命名实体识别模型提取问句实体,然后采用字符串匹配和 BERT模型来确定用户的提问意图,最后在知识图谱中进行答案检索。（4）构建了景点知识问答系统。采用Django网页开放框架,融合上述相关内容,构建了一个基于景点知识图谱的问答系统。该系统提供了一个良好的用户交互的页面,可以接收用户输入的自然语言问题,通过算法分析后将对应的答案返回给用户,满足了用户对景点问答系统的需求。综上所述,本文围绕景点知识图谱与景点问答系统展开研究,最终实现了基于知识图谱的景点智能问答系统,并在用户问答中取得了较好的应用效果,可以帮助用户查询相关的景点知识。本文的研究内容是对旅游景点数字化服务形式的一次有效探索,为旅游网站优化和景区智慧化管理及服务提供了一些参考经验,具有一定的实际意义与应用价值。