基于知识图谱的旅游推荐系统：Flask+Neo4j+LangChain实践-北京尧图网络

做景点推荐系统这个毕设时我最初的方案特别天真把景点当成商品用户当成消费者直接用协同过滤算相似度。结果第一次跑出来的推荐结果差点让我放弃——冷启动的景点完全没有曝光机会用户提出我想找那种能拍照又不用走太多路的古城街巷这种需求时推荐列表完全抓瞎。后来我把整个方案推翻重新选择了现在这套组合Flask Neo4j LangChain 基于知识图谱的旅游景点推荐系统。这篇文章就把我从选题、建模到答辩踩过的坑完整讲一遍内容主要面向正在做计算机毕设的学生也适合想了解知识图谱落地推荐的开发者。文章会围绕系统选型、图谱怎么建、推荐算法和工程实现展开所有经验和坑都是实际操作中得来的可以直接拿来参考。1. 先聊我为什么把协同过滤的方案扔掉旅游推荐的三个硬伤1.1 冷启动比想象中严重得多传统的协同过滤依赖用户行为数据——评分、收藏、点击。但在旅游场景里大部分景点根本没有多少用户行为。尤其是新开放的街区、小众人文景点用户点击数据稀疏到几乎为零。我当时用的公开旅游数据集里超过一半的景点评价数是个位数。协同过滤算出来的相似矩阵基本是空的推荐出来的东西永远是那几个热门大景区。知识图谱不一样。它不依赖评分矩阵而是依赖景点本身的属性、地理位置、文化标签、周边配套这些结构化信息。哪怕一个景点只有一条评价只要它在图谱里和古城墙历史文化街区这些实体发生关系它就有机会被推荐出去。1.2 用户需求的表达方式协同过滤根本听不懂旅游推荐和电商推荐最大的区别在于用户的需求是场景化的。电商用户说我要买一双跑步鞋商品标题里就有跑步鞋这三个字。但旅游用户不会说我要去城墙遗址这种过于具体的话他更可能说想找个适合傍晚散步、附近有小吃的地方。协同过滤处理不了这种需求。它只能根据历史行为猜你可能喜欢什么不能理解傍晚散步小吃这些自然语言描述背后的意图。知识图谱的实体和关系可以承载这些语义而LangChain和大模型可以把自然语言转换成图谱查询这条路在技术上更通。1.3 推荐结果无法解释评委和用户都不满意做过推荐系统的人都知道协同过滤的推荐结果基本是个黑盒。用户只能看到因为你和某人相似所以推荐这个这种解释在旅游场景里很苍白。知识图谱天然有可解释性。推荐一个景点可以追溯到你之前去过老城历史文化街区所以推荐同样位于老城区、以传统建筑为特色的景点。这种解释在毕设答辩里非常有价值评委一眼就能看懂你系统的推荐逻辑而不是隔着黑盒猜你在做什么。明确了这三个问题后我彻底放弃纯协同过滤方案转向知识图谱。整个系统的核心变成了把旅游信息组织成一张关系网让推荐从猜你喜欢变成推理你为什么会喜欢。2. 知识图谱怎么建把散乱的旅游信息织成一张关系网2.1 实体设计景点从来不是孤立点建图谱的第一步是确定实体类型。我当时按照数据可得性和推荐场景敲定了六类核心实体景点推荐的主体每个景点有名称、门票区间、建议游玩时长、适合季节、经纬度。文化标签比如历史建筑红色文化亲子友好摄影打卡等这些标签是从游记和攻略里抽取出来的。街区商圈景点周边属于哪个商圈、哪个历史片区用于地理位置类推荐。美食类型景点附近的特色小吃、老字号美食因为逛吃是一体的需求。交通节点地铁站、公交站、游客集散中心用于交通便利度的推理。游客画像模拟用户的历史偏好比如爱去博物馆、喜好人少景点、偏好免门票景点。实体不能太多否则构建成本和查询复杂度会失控。我建议控制在五到七类刚好够支撑推荐逻辑又不至于让图谱变成一团乱麻。2.2 关系设计关系比实体更重要知识图谱的核心是关系。这一步做了哪些关系设计直接决定了推荐能怎么推理。我用Neo4j定义的关系类型包括景点 -[:位于]- 商圈/片区景点 -[:拥有标签]- 文化标签景点 -[:附近有]- 美食类型景点 -[:临近地铁]- 交通节点景点 -[:风格相似]- 景点用户 -[:偏好]- 文化标签用户 -[:去过]- 景点这里最核心的关系是风格相似它不是人工标注的而是通过深度学习模型计算的——两个景点的图嵌入向量相似度超过阈值就建立关系。这一部分放在推荐算法那节详细讲先记住图谱里的关系是分层的人工关系保证准确模型生成的关系保证覆盖度。2.3 数据来源与清洗链路数据来源上我主要用了三类景点POI基础信息从公开旅游数据接口拉取包括名称、经纬度、门票、开放时间。游记和攻略文本从旅游社区采集文本数据用于抽取文化标签和美食关系。模拟用户行为数据因为真实用户行为数据难以获取我构造了一批模拟用户历史偏好用来测试推荐效果。清洗这一步容易被低估。游记文本是口语化的里面充满超赞绝了一定要去这类情绪词。我用规则加模型的方式做标签抽取先通过正则和词典匹配提取历史拍照亲子这类词再用预训练模型做短文本分类作为补充。坐标数据还要做逆地理编码把经纬度映射到商圈和片区。这块工作占了我整个项目大约百分之三十的时间但值得因为图数据库对数据质量的要求比关系型数据库高得多脏数据会导致查询结果出现明显的逻辑错误。2.4 Neo4j导入LOAD CSV 是最稳妥的路径图谱数据准备完成后导入Neo4j我强烈建议用LOAD CSV。一开始我尝试直接用Python的py2neo逐条写入但节点和关系数量到了十万级之后写入速度惨不忍睹。推荐做法是先把节点和关系分别导出成CSV文件然后用Neo4j自带的LOAD CSV命令批量导入。一个简单的节点导入语句长这样LOAD CSV WITH HEADERS FROM file:///scenic_spots.csv AS row CREATE (s:ScenicSpot { id: row.id, name: row.name, ticket: toFloat(row.ticket), duration: row.duration, lat: toFloat(row.lat), lng: toFloat(row.lng) });关系批量导入类似LOAD CSV WITH HEADERS FROM file:///located_in.csv AS row MATCH (s:ScenicSpot {id: row.spot_id}) MATCH (b:BusinessDistrict {id: row.biz_id}) CREATE (s)-[:LOCATED_IN]-(b);这里有个容易踩的坑导入关系前必须先为id字段建立唯一约束。不建约束的话MATCH语句会全表扫描百万级节点时导入速度会慢到让你怀疑人生。提前执行CREATE CONSTRAINT spot_id_unique FOR (s:ScenicSpot) REQUIRE s.id IS UNIQUE;导入速度和查询性能都会有质的改善。3. 推荐算法怎么设计图谱打分与深度语义排序的两层架构3.1 第一层图谱路径召回让候选集讲道理真正的推荐算法我做了两层。第一层是基于图谱的召回核心思路是从用户已表达的偏好出发沿着图谱关系找路径路径短的关系强度高优先作为候选。举个例子用户画像里有喜欢历史建筑这个标签图谱查询会做这样的事MATCH (u:User {id: u001})-[:PREFERS]-(t:Tag {name: 历史建筑}) MATCH (t)-[:HAS_TAG]-(s:ScenicSpot) WHERE NOT EXISTS((u)-[:VISITED]-(s)) RETURN s.name, s.ticket ORDER BY s.rating DESC LIMIT 20这就是最基础的图谱召回从用户偏好的标签反查景点。更进一步可以沿着景点 -[:位于]- 商圈 -[:位于]- 另一景点这种二跳路径推荐同一片区的景点。我给每条路径设定了一个初始权重。一跳关系权重最高比如用户偏好标签直接命中的景点二跳路径降权比如你喜欢的景点所在的商圈里还有其他景点。然后把多条路径的权重累加得到一个召回分。这个动作在Neo4j里用Cypher就能完成不需要把数据拉到应用层计算。3.2 第二层深度学习的语义排序补图谱覆盖不到的细节图谱召回的短板在于关系是离散的它理解不了安静小众适合发呆这种连续语义。所以第二层排序我用的是深度学习语义模型。具体做法是把所有景点名称、简介、标签文本做一个文本嵌入向量用户画像也做同样的嵌入。推荐时计算用户向量和候选景点向量的余弦相似度再把图谱召回分和语义相似度做一个加权融合最终得分 alpha * 图谱路径得分 beta * 语义相似度得分alpha和beta在我这个项目里通过实验分别定在了0.6和0.4。图谱得分负责可解释性语义得分负责覆盖语义细节。两者的比例不要拍脑袋定应该拿测试集做调参。我当时做了一个小实验固定图谱参数遍历alpha从0.1到0.9最后取推荐结果人工评估最好的那组。关键细节是图谱路径得分和语义得分必须做归一化。图谱得分可能是几十分语义相似度是0到1之间的小数直接加权相加的话语义部分会被完全淹没。我用的是min-max归一化把两类分数都压到0到1区间再融合。3.3 LangChain在这里的真正作用自然语言到图谱查询的桥梁这也是全文最容易被误解的地方。很多人以为LangChain在这个项目里是做推荐算法本身其实不对。LangChain负责的是把用户的自然语言需求转换成图谱查询和推荐条件。比如用户输入想找个傍晚能散步、附近有小吃的地方传统做法是做关键词匹配傍晚散步小吃这三个词很难直接对应到图谱实体。我的做法是让LangChain调用大模型解析出结构化意图{ tag: 傍晚散步, food: 小吃, limit: 5 }然后再结合这组结构化参数生成Cypher查询语句去Neo4j里召回候选集。LangChain在这条链路里扮演的是语义解析器的角色它让用户不需要学习任何查询语法用大白话就能触发图谱检索。我实际用的LangChain组件是自定义的工具链一个工具负责意图解析另一个工具负责查询生成还有一个工具负责结果摘要。链路基本是用户输入 - LangChain识别意图 - 生成结构化参数 - 调用Neo4j工具查询 - 返回推荐结果并生成解释这里有两点很重要第一大模型生成的Cypher语句必须经过校验再执行不然它会生成语法错误的查询第二不要让大模型直接接触整个图谱的schema再生成查询把schema做成长文本提示词塞给大模型它反而容易迷茫。4. Flask后端、Neo4j和LangChain的工程协作一张图讲清数据流向4.1 为什么是Flask而不是FastAPI或Django选Flask主要因为它是毕设项目的最稳妥选择。项目必须快速搭建、容易部署、相关资料最丰富。FastAPI虽然性能更好但对异步语法的要求高和LangChain的兼容性需要额外调试Django太重对纯API型项目来说有点杀鸡用牛刀。Flask在这套系统里的职责很清楚接收请求、调度推荐流程、返回JSON结果。它不负责复杂计算所有重活都交给Neo4j和大模型接口。4.2 项目结构保持模块之间解耦我的Flask项目目录是这样组织的app/ __init__.py # 应用工厂 routes/ recommend.py # 推荐接口 chat.py # 自然语言对话接口 graph.py # 图谱可视化数据接口 services/ graph_search.py # Neo4j查询封装 semantic_rank.py # 深度语义排序 agent_chain.py # LangChain工具链 models.py # 数据模型定义 config.py run.py模块解耦的关键点在于routes层只负责解析参数和返回结果services层的graph_search.py只负责Cypher查询semantic_rank.py只负责向量计算agent_chain.py只负责调用LangChain。每一层可以单独测试某个环节出问题时定位特别快答辩时被问到你这个架构怎么设计的也能说得头头是道。4.3 三个核心接口的设计思路系统对外暴露的主要接口有三个。第一个是推荐接口接收用户ID和可选的地点偏好参数返回推荐景点列表以及每一条推荐理由。第二个是自然语言查询接口接收用户输入的一段话返回解析出的意图和推荐结果这就是LangChain发挥作用的地方。第三个是图谱探索接口把知识图谱的子图输出到前端做可视化展示这个接口在答辩演示时非常加分。推荐接口返回的数据结构大致长这样{ user_id: u001, recommendations: [ { spot_name: 古城墙遗址公园, score: 0.87, reason: 你偏好历史建筑类景点该景点位于中心历史片区且周边有老字号小吃街区 } ] }推荐理由这个字段千万不能省。它一方面让你的推荐结果有说服力另一方面在代码评审时能证明你确实用了知识图谱而不是随便调个接口糊弄事。4.4 LangChain和Flask的协作细节LangChain不是一个常驻服务它是被Flask通过异步方式调用的。因为大模型的响应时间不可控如果直接在Flask的同步视图里阻塞等待并发一高整个服务就卡死。我当时的做法是Flask接收请求后把用户问题丢给一个工作线程池处理前端通过任务ID轮询结果。这是一个简单可靠的方案不需要引入复杂的任务队列中间件又解决了请求阻塞问题。后来我又给LangChain调用加了缓存——相同或相似的问题在十分钟内直接走缓存大模型接口的费用和延迟都能明显降下来。5. 开发期踩过最深的五个坑每一个都让我熬夜到凌晨5.1 Neo4j查询慢没建索引的图数据库就是本地文件知识图谱的查询性能问题九成出在没建索引。我之前在测试时写过一条Cypher查询数据量才几万节点查询耗时竟然要三秒多。排查后发现MATCH里的属性匹配走的居然是全库扫描因为当时根本没为name和id字段建索引。Neo4j里为属性建索引的方法很直白CREATE INDEX FOR (s:ScenicSpot) ON (s.name);建完索引之后同一条查询的耗时从三千多毫秒降到了几十毫秒。任何需要在WHERE或MATCH里作为筛选条件的属性都应该建索引这是图数据库使用者的第一课。5.2 LangChain生成Cypher语句偶尔会给你整出幺蛾子让大模型写Cypher是可行的但不可控。大模型生成的查询语句偶尔会有语法错误比如节点标签拼错、关系方向写反更离谱的是它自己发明一些不存在的标签名。我的解决办法是不让LangChain直接执行它生成的Cypher而是在执行前做一个双重校验。第一步用正则检查语句里是否出现schema不存在的标签名第二步把生成的语句包在try-except里执行失败时回退到基于模板的查询方法。回退机制特别重要它保证了系统在大模型抽风时依然能给出推荐结果而不是报500错误。5.3 大模型接口响应不稳定前端直接超时这个问题出现在联调阶段。用户在前端输入问题之后经常要等十几秒才有回应偶尔还会直接超时。我用的是上面提到的任务轮询方案但还有一些额外细节值得说把大模型接口调用放在独立的线程池里线程池大小和超时时间在配置文件里单独设置前端轮询的频率不要超过一秒一次避免无谓的请求压力。另外大模型的temperature参数我调低了推荐场景下更稳定的输出比有创意重要得多。5.4 语义向量和图谱标签的语义错位深度语义排序模型使用的文本向量来自模型通用语料而图谱里的人工标签是业务词汇两者天然不在一个语义空间。比如语义模型可能把古城和古镇混为一谈但图谱里的标签却是完全分开的。解决方式是在融合前做了一次映射校准。我把图谱里的高频标签拿来做了个近义词表计算文本向量时同一近义词组合并成一组。这一步看着小实际让推荐结果的稳定性提升了不少。如果时间充裕也可以在业务数据上对向量模型做一次微调但毕设项目做到映射校准这个程度已经够用了。5.5 图谱数据稀疏关系太少推理会直接断链知识图谱最怕的情况是A关联B、B关联C但C和用户偏好没任何关系推理链走两步就断了。初期数据量不够时推荐结果特别容易集中在少数几个关系大户那些关系稀疏的景点永远沉底。我当时的应对策略是当图谱路径召回为空或数量不足时降级为纯语义相似度推荐。这保证了候选集不为空。后来逐步补充数据增加了模拟的用户游玩记录和景点间相似关系稀疏问题才慢慢缓解。做这个项目的时候一定要对数据稀疏有预期推荐系统领域不存在一劳永逸的数据完美方案。6. 毕设答辩最容易被追问的点我提前准备了三块内容6.1 一句话说清系统的核心价值答辩时最怕的就是自我介绍环节就卡壳。我准备的一句话概述是这是一个把旅游信息结构化成语义网络、再由大模型理解用户自然语言需求的景点推荐系统推荐结果可追溯、可解释。这句话包含了三个关键信息数据层面用了知识图谱语义层面用了深度模型和大模型输出层面强调可解释性。评委接下来无论朝哪个方向追问你都有话可说。6.2 高频问题为什么用Neo4j而不用MySQL这个问题我建议主动准备因为它几乎必被问到。核心回答点在于旅游实体之间是复杂多对多关系比如一个景点属于多个标签一个标签对应多个景点用MySQL表来存这种关系需要做大量join而且随着关系层级加深join性能会指数级恶化。Neo4j的图遍历天然适合这类场景查询一条路径的开销和路径长度成正比而不是和数据总量成正比。再补一句图谱可视化也是选型原因基本就能让评委满意。顺着这个话题评委还会追问知识图谱和传统关系型数据库的本质区别。你不要去背定义用一个例子讲清楚就是满分回答查询和城墙遗址公园同在一个商圈且带历史标签的景点MySQL要考虑多张表的连接Neo4j只要从城墙遗址公园节点出发沿着两个关系走两步。这种例子一讲评委立刻知道你是真懂还是背稿。6.3 演示Demo的顺序安排答辩演示只有五分钟到十分钟顺序安排不好容易把时间浪费在前面核心亮点反而没讲完。我是这么安排的第一步演示自然语言推荐。用户在输入框里输入我想找个适合傍晚去、人不多、附近有小吃的地方系统返回三个景点每个都带推荐理由。这个演示必须在前面因为它是完整链路——大模型解析意图、图谱查询、语义融合排序都在这一步体现了。第二步演示知识图谱可视化。展开知识图谱子图展示景点、标签、商圈、美食实体间的关系zoom到某条推荐路径上指着屏幕说你看这次推荐的原因就是沿着这条路径推出来的。这一步是视觉冲击力最强的要提前检查图渲染效果节点布局太挤的话提前调整。第三步快速过一下技术问答场景。如果评委问了技术问题就在代码里定位到对应模块展示关键代码片段。不要整页整页地滑代码定位到核心方法就够了。最后提醒一点答辩时不要主动讲大模型的prompt怎么写的。这属于实现细节除非评委问起否则把时间留给架构和算法的讲解。我见过有同学花两分钟念prompt模板评委脸上写满了这和推荐系统有什么关系。做这个项目的最大体会是知识图谱推荐系统的难点不在算法有多深而在把数据、图谱、语义解析、推荐链路串起来的工程能力。如果正在准备这个方向答辩把精力多分配一些在数据质量和链路通路上比纠结某个模型调参要划算得多。最后再分享一个小技巧开发过程中每个模块单独保留一份测试记录包括输入、输出、耗时和踩坑说明这些记录在写论文和准备答辩时会给你省下大量时间。

基于知识图谱的旅游推荐系统：Flask+Neo4j+LangChain实践

相关推荐

后端转大模型应用：RAG与Agent落地实战全路径

Linux包管理器全解析：apt/dnf/pacman与依赖处理实战

Windows命令行自动补全与批处理脚本避坑指南

更多资讯

Minecraft启动器PCL2：免费开源，5分钟跑起来还能自动装Java

P2979奶酪塔：完全背包遇上塔顶大奶酪，枚举拆解秒杀

成功案例 | 运动能力不只靠训练？Nature 合作刊 npj：肠道菌群代谢物可以提升耐力！

Spirula Studio 快速上手：5 分钟用照片训练出第一个 3D 高斯泼溅模型

Python斐波那契数列五实现：递归到矩阵快速幂的全方位对比与性能实测

freehire 德语 IT 职位标题分类别名设计：融合复合词、词边界匹配与检索可见性

今日更新

Verilog实现FPGA密码锁：矩阵键盘与状态机设计实战

数据服务监控运维实战：从指标体系到告警治理与故障排查

FreeRTOS任务通知实战详解：内核原理、API与避坑指南

本周精选

金融AI落地指南：从调研报告到技术选型与工程实践

大模型上下文成本与注意力优化技术深度解析——为何O(n²)平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测

基于GMM的语音识别系统原理与MATLAB实现详解

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？