近几年，伴随中国旅游人数的持续增长，国家大力推动旅游科技创新以及大力发展旅游电子商务，基于旅游目的地的信息服务趋向于智能化发展。个性化推荐服务、私人订制服务以及智能聊天机器人服务成为人们旅游前行程规划和途中旅游目的地决策的重要智能应用服务。为迎合当今旅行者智能化服务的需求，融合大数据挖掘和人工智能技术推荐更加精准实时的在线旅游目的地信息是学术界研究的一个重点课题。而智能化应用的驱动离不开知识图谱的支持，设计易于机器理解的语义表示结构是构建知识图谱的关键任务，因而本文旨在构建一个能够更好地组织、管理和理解旅游领域在线海量信息的知识图谱。
　　传统的旅游本体侧重于对客观知识的描述，而在线UGC内容中隐含的大量主观的群体智慧信息未被充分利用，其中包括体验过目的地的游客在线留下的旅游路线，旅游情绪等动态情报信息。而这些群体智慧信息蕴含了很多价值内容，群体旅游路线反映了游客兴趣趋势的走向；群体情感评价能够反映大多数人对旅游目的地的满意程度。因此，本文在知识图谱中融入群体累积的先验知识，提出基于贝叶斯网络的旅游场景知识图谱表示模型，可进一步增强推荐或问答等智能应用的可解释性。
　　首先，从实际旅游推荐场景出发，分析旅行者的知识需求，进而提出基于贝叶斯网络的语义网知识表示模型。该模型旨在将每篇游记结构化为一个旅游场景，以旅游活动事件作为单位实体节点，事件发生的先后次序通过边的顺承关系予以体现，然后从游记内容中抽取主题活动和情感评价作为实体属性，并将群体在目的地之间的转移概率和情感差值作为边的动态属性，从而很好地融合群体贡献的旅游目的地相关知识。
　　然后，本文提出一套完整的旅游场景知识图谱构建方法。结合依存句法规则和无监督主题概率模型，识别和抽取游记中旅游目的地及其顺承关系、主题活动和情感评价等信息。并且，基于贝叶斯条件概率和情感分析模型，分别计算转移概率和情感差值，将其作为边的属性值。
　　最后，基于本文提出的构建方法实现了旅游场景知识图谱，并应用于旅游目的地的推荐。实验结果表明，该旅游场景知识图谱有效提升了推荐的召回率和MRR值，并且能够辅助解释推荐结果。