人工智能（AI）是大数据时代带来的一项重大变革,它正以迅雷之势开始对我们生活的各个方面产生影响。而知识图谱（Knowledge Graph）作为AI领域最重要的技术基础,其研究热度必然日益升温。作为一种通过逻辑符号实现对现实世界中概念及其相互关系进行描述的高度结构化的语义知识库,知识图谱就像是一个能够打开AI魔盒的神奇按钮,将越来越多的智能应用如新一代智能问答系统、搜索引擎等展现在世人面前,同时进一步引领不同的学科领域（包括旅游、金融、教育、电信、医疗等）开启新的发展纪元。本文立足中文旅游领域,针对当前形势下运营商和游客的困扰:如何有效解决知识图谱构建过程中出现的人力和时间成本、知识图谱的补全、实体对齐以及知识服务呈现方式等问题,我们对中文旅游知识图谱构建及应用进行了一系列的完善,期望让游客能够在海量的旅游数据里快速、准确地捕捉到自己所需求的信息。具体工作如下:（1）针对知识图谱构建过程中存在着耗时、费力以及知识图谱补全等问题,我们通过对中文旅游领域知识图谱的构建方法进行优化,即以旅游实体库的方式,从现有高质量的中文百科知识库中筛选出旅游知识来构建新的中文旅游领域知识图谱,以起到节约人力和时间成本的目的;并借助引入外部知识库XLore的方式,最终能够实现对中文旅游领域知识图谱的InfoBox补全。接着,在本文构建完成中文旅游领域知识图谱基础上,针对现有知识表示学习模型如TransE等仅片面获取三元组信息而损失较多其他相关知识信息的不足,我们这里尝试了将TransE与实体描述文本信息进行融合,即在BERT模型产生实体描述文本向量的基础上,将其通过单隐层的神经网络与TransE模型结合。随后我们采用该新型TransE模型以嵌入的方式将本文构建知识图谱内部的所有实体及其关系投射到同一个低维的连续向量空间,得到实体和关系对应的低维度的向量表示,最后由链接预测、三元组分类实验证明了该方法是行之有效的。（2）针对知识图谱构建过程中知识整合阶段存在的实体对齐问题,本文通过对自然语言处理领域词向量表示技术的学习,提出了一种新的实体对齐实现方法。其核心点在于神经网络词向量表示技术、BERT模型的微调以及将实体对齐视为二分类问题来建模。最终通过与CBoW模型、Skip-gram模型、DSG模型以及ELMo模型的对比看,该方法确实在实体对齐任务表现上优势明显。（3）为了更好地为游客提供高质量知识服务,实现知识的链接与共享,我们在中文旅游领域知识图谱构建完成的基础上进一步搭建了知识服务原型系统。实现了包括旅游实体语义搜索、旅游知识图谱可视化、旅游实体知识卡片、InfoBox展示、知识库内的实体链接、旅游景点推荐、旅游知识API发布以及旅游知识库更新等诸多功能。