CTourLLM：为大语言模型增强中文旅游知识
计算与语言
2025-09-10 v2 人工智能
摘要
最近，大语言模型 (LLM) 在各种自然语言处理 (NLP) 任务中显示出色的效果。然而，缺乏旅游知识限制了 LLM 在旅游景点介绍和旅行规划方面的性能。为解决这一挑战，我们构建了一个针对中国文化和旅游领域的监督微调数据集，命名为 Cultour。该数据集包含三个部分：旅游知识库数据、旅行记载数据和旅游问答数据。此外，我们提出了 CTourLLM，一个基于 Qwen 的模型，通过 Cultour 进行监督微调，以提高景点信息和旅行规划的质量。为评估 CTourLLM 的性能，我们提出了一种人类评估标准，即 RRA (Relevant 相关性、Readable 可读性、Available 可获得性)，并采用了自动评估和人类评估两种方法。实验结果表明，CTourLLM 在 BLEU-1 上提高了 1.21，在 Rouge-L 上提高了 1.54，甚至超过了 ChatGPT，从而验证了我们响应结果的有效性。我们提出的 Cultour 可在 https://github.com/mrweiqk/Cultour 访问。
引用
@article{arxiv.2407.12791,
title = {CTourLLM: Enhancing LLMs with Chinese Tourism Knowledge},
author = {Qikai Wei and Mingzhi Yang and Jinqiang Wang and Wenwei Mao and Jiabo Xu and Huansheng Ning},
journal= {arXiv preprint arXiv:2407.12791},
year = {2025}
}