随着移动智能设备的普及以及人工智能技术的不断进步,充分利用深度学习等前沿技术来推动“互联网+旅游”模式转型已经成为中国旅游业的重要发展方向之一。同时,伴随着自然语言处理相关研究的推进,人们获取旅游信息的方式也从以往的人工咨询逐渐转变为使用基于搜索引擎的信息检索方式,近年来更是广泛使用基于知识图谱的信息检索、问答系统等。基于知识图谱的信息检索方式已经能够快速、准确地检索诸如“门票价格”、“开放时间”等静态的景点信息,但限于知识图谱自身的特性而无法有效检索“推荐旅游路线”等动态信息。尽管目前携程、途牛、马蜂窝等旅游门户网站上已经提供了大量的攻略类文本,用户仍需在人工阅读相关文章后,自行规划行程、组织路线。这种人工分析并组织数据的方式显然不够直观高效。针对该问题,本文以云南省旅游文本作为实验数据,面向旅游出行领域构建顺承事理图谱,以事理图谱的形式组织结构化信息,同时提出基于事理图谱的旅游知识智能问答模型,并开发事理图谱应用系统,以期为用户提供更加智能高效的旅游信息检索服务。本文主要工作如下:（1）提出了一种旅游领域顺承事理图谱的构建方法,并基于此方法构建完成了一个旅游顺承事理图谱。主要提出了一种基于模式匹配的显式顺承关系识别与抽取方法;同时结合旅游文本特点提出将旅游领域事件定义为“谓语（事件触发词）+宾语”结构,并利用依存句法分析完成事件抽取任务;抽取到的事件按照三元组＜事件i,顺承,事件j＞的形式组织并存储在Neo4j图数据库中,最终构成事理图谱。实验结果表明,本文提出的基于模式匹配法的显式顺承关系抽取的准确率为83.16%。（2）提出了一种基于旅游事理图谱的智能问答模型。模型包括实体识别、属性链接两个核心任务。过程中提出了一种使用多源异构数据对事理图谱进行知识扩充的方法,基于此方法将景点实体及属性信息成功融入到事理图谱中;然后分别使用BERT-Bi LSTM-Attention-CRF模型、BERT-Bi LSTM-CNN模型来完成实体识别、属性链接任务,最终实验结果:实体识别模型的F1值为88.36%,属性链接模型的准确率（Accuracy）为90.88%。（3）设计并实现事理图谱应用系统。系统使用Python作为开发语言,后端使用Flask框架,前端图谱可视化使用ECharts,图谱使用Neo4j图数据库存储。系统提供了旅游路线可视化查询、旅游信息智能问答等功能。