随着互联网时代的飞速发展,生活质量也越来越高,对于旅游需求也日益增强。以旅游业来说,国家在“互联网+旅游”模式上投入了大量的资金,将前沿技术与旅游发展结合起来的策略,已经成为我国旅游业发展的不可缺少的部分。过去,人们通过搜索引擎输入相关的旅游问题后,返回的结果都是一些网页,并没有返回很准确直观的答案。现在,基于知识图谱的问答系统的出现,直接反馈给用户准确简洁的答案,能够让游客减少时间浪费,还可以提高检索的效率,弥补了以往搜索引擎的缺陷。本文以广西旅游为例,构建旅游问答系统,针对游客提出的相关问题予以回答。本文对构建广西知识图谱、问句分类和答案生成等进行了详细的研究。并且通过将自然语言所运用到的相关技术与知识图谱进行结合,实现了一个可满足游客问答需求的广西旅游问答系统。本文的主要工作包括如下几个方面:（1）考虑到从单个网站获取数据存在信息不全的情况,本文利用爬虫工具从百度百科、携程网、途牛网等多个数据源上获取数据。根据抓取到的数据经过处理后导入到Neo4j中,构建了基于广西旅游知识图谱。（2）为了解决翻译模型中的随机生成负样本的不足,以生成高质量的负样本,提高模型的训练效果,提出了一种改进的负样本采样的知识表示学习模型Trans E-KCB。该模型首先引入K-Means++聚类算法,形成不同种类的相似性实体簇,然后,在簇中随机挑选5个实体与被替换实体计算它们之间的相似度,选出排名最高的实体,与被替换的实体进行替换;最后,在此基础上,为了解决“假负例”问题,引入布隆过滤器,对“假负例”进行过滤。实验结果表明,与Trans E等模型相比较,Trans E-KCB模型具有更好的模型表达能力,知识表示的能力有了进一步提升,并利用Trans E-KCB算法对广西旅游知识图谱数据集进行嵌入式表示。（3）首先对现有的问句分类相关体系进行了分析,然后根据问答集知识库的问句特点,对问句分类进行了更为特殊的划分。同时根据知识图谱集中的关系构建了相关的问句分类。在分类算法上,使用朴素贝叶斯算法进行分类。通过问句分类,更快的将问句分配到问答集知识库中的问句上,也更容易匹配到查询语言Cypher上,提高查询的速度。（4）在广西旅游知识图谱基础上,实现了基于知识图谱的问答系统。将传统的问答系统和Trans E-KCB结合起来,使得系统具有更强的推理能力,从而使得问答系统具有智能性。