CN104850541B - 一种基于位置语义网的语义位置转换方法 - Google Patents

Abstract

本发明公开了一种基于位置语义网的语义位置转换方法，本发明采用的基于语义网络的语义位置转换方法，通过建立以语义位置为节点，以多元关系为弧段的语义位置网络，实现语义位置在知识层面的关系建立及转换，适用于不同位置描述粒度的语义位置转换，适用于多种语义位置的转换；本发明定义了可扩展的位置类型及地图表达粒度模型，对目前位置服务领域绝大多数的位置描述方式以及表达粒度做了定义，并支持扩展。

Description

一种基于位置语义网的语义位置转换方法

技术领域

本发明属于位置服务技术领域，涉及一种在多种语义位置之间相互转换的方法。

背景技术

随着互联网、移动通信、移动定位以及智能移动终端的普及与应用，位置服务已成为维护国家安全、提高遂行能力、构建智慧城市、实现智能交通等的重要基础支撑，特别是人类应急重大自然灾害、重大突发公共安全事件的必备基础。

人们通过计算机对位置信息描述的方式多种多样，如地图、地名、邮编、电话号码、IP地址等，都能够直接或间接的表达一个精确或模糊的位置信息，从而形成了多种“语义位置”。一方面，在一定的情景中，需要有特定的位置描述方式，而由于位置信息源的多样性，在一个位置处可能包含多种位置信息，因此必须通过位置之间的转换才能实现统一的位置描述；另一方面这些信息存在空间、时间或语义上的关联性，为了建立多种位置信息之间的语义关联关系，也需要借助语义位置之间的转换关系，从而利用这种关联关系可以描述全息位置多维度信息之间的空间依赖、时间依赖和语义依赖。

目前针对语义位置相关领域有关的研究取得的专利主要是研究语义位置的提取、构建方面。例如《基于语义位置模型的位置信息结构化提取方法及系统》(专利号201410768372.9)，《上下文信息使用系统、装置和方法》(专利号200980162448.0)、《一种面向自然语言的位置信息提取方法》(专利号201310246368.1)，以上专利涉及如何从其他信息中提取、构建语义位置信息，但是未涉及多种语义位置的转换；

对于语义位置转换的原理、框架及具体方法，国内目前暂无相关研究，国外也有一些文献对语义位置的介绍，对语义位置的特征及表达方式提出了一些基础的模型，其中主要有《Location and its semantics in location-based services》、《A formalizationfor semantic location granules》等。但是上述文献也并未提出语义位置转换的模型及方法。

发明内容

针对以上问题，本发明提供了一种位置语义网络的模型以及基于该模型实现不同类型的语义位置实体的转换方法，其目的是通过一种模型化、规则化的方法，建立不同语义位置之间的关联关系及映射关系，并通过这些关系按照一定的规则进行评价，从而判定两个不同语义位置之间的转换的有效性，转换的判定结果有：语义位置等同、语义位置不等同、语义位置包含、语义位置关联、无法转换。

本发明所采用的技术方案是：一种基于位置语义网的语义位置转换方法，其特征在于，包括以下步骤：

步骤1：基于位置本体的特征，定义可扩展的语义位置逻辑描述模型，此模型中每种语义位置都包含位置类型、位置名称、所属粒度、几何范围、与其他位置的语义关系、各类应用场景下的角色这6个特征项；基于该模型，建立各类位置本体实例数据库，形成位置本体库；

步骤2：定义一个位置语义网模型，该模型将多种语义位置实体作为网络中的节点，以位置与位置之间的语义关系为弧段(这种关系具有一定的标识)，对语义位置实体构建实体与实体(节点与节点)之间的语义关系；

步骤3：基于步骤2定义的位置语义网进行语义位置的语义相似性推理，获得位置的相似度；

步骤4：基于步骤1建立的位置本体库，进行语义位置的空间映射计算来进行空间位置一致性的判定；

步骤5：根据步骤3中位置的相似度、步骤4中的空间位置一致性判定结果两个维度进行评价，评价位置转换的可行性以及转换准确度；其中空间位置一致性为判定的先决条件，如果空间位置一致性的判定结果为不一致，则位置无法转换。

作为优选，步骤1中所述的位置类型特征项，包括绝对位置、相对位置和三维位置；所述的绝对位置包括标准地址、经纬度、邮政编码、电话号码、IP地址及其他绝对地址；所述的相对位置包括自我中心位置、线性参考位置、其他位置；所述的三维位置包括三维定位位置及其他三维位置。

作为优选，步骤2中构建实体与实体之间的语义关系包括以下类型：实例关系、分类关系、从属关系、聚类关系、拓扑关系、近似关系，以及由以上6种关系复合而成的多元关系。

作为优选，步骤3中所述的语义相似性推理的方法包括关系继承法、关系传递法、相似性匹配法。

作为优选，步骤4中所述的空间位置一致性的判定，这种判定在不同位置描述粒度下，由于空间几何图形的表达尺度不一致，因此需要通过多尺度的几何分析，综合进行位置一致性的判定；所述的多尺度的几何分析包括不同粒度下的位置精度、以及几何图形之间的空间距离计算。

与现有方法相比，本发明具有的优点和效果如下：

1、本发明采用的基于语义网络的语义位置转换方法，适用于多种语义位置的转换，通过建立以语义位置为节点，以多元关系为弧段的语义位置网络，实现语义位置在知识层面的关系建立及转换，适用于不同位置描述粒度的语义位置转换；

2、本发明定义了可扩展的位置类型及地图表达粒度模型，对目前位置服务领域绝大多数的位置描述方式以及表达粒度做了定义，并支持扩展。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。

本发明提供的一种基于位置语义网的语义位置转换方法，包括以下步骤：

步骤1：基于位置本体的特征，定义可扩展的语义位置逻辑描述模型，此模型中每种语义位置都包含位置类型、位置名称、所属粒度、几何范围、与其他位置的语义关系、各类应用场景下的角色这6个特征项；基于该模型，建立各类位置本体实例数据库，形成位置本体库；

其中位置类型特征项，包括绝对位置、相对位置和三维位置；所述的绝对位置包括标准地址、经纬度、邮政编码、电话号码、IP地址及其他绝对地址；所述的相对位置包括自我中心位置、线性参考位置、其他位置；所述的三维位置包括三维定位位置及其他三维位置；位置类型定义如表1所示：

表1：位置类型定义

步骤2：定义一个位置语义网模型，该模型将多种语义位置实体作为网络中的节点，以位置与位置之间的语义关系为弧段(这种关系具有一定的标识)，对语义位置实体构建实体与实体(节点与节点)之间的语义关系；实体与实体之间的语义关系包括以下类型：实例关系、分类关系、从属关系、聚类关系、拓扑关系、近似关系，以及由以上6种关系复合而成的多元关系；

(1)实例关系(标识：ISA)，表示A是B的一种具体实例，这里定义为位置的语义类型关系。例如A“湖北省武汉市武昌区珞珈山路16号”是B“标准地址”语义位置类型的一种。

(2)分类关系(标识：AKO)，表示A是B的一种子类。例如A“湖北省武汉市武昌区珞珈山路16号”是B“粒度2级的标准地址”的一类。

(3)从属关系(标识：AMO)，表示A属于B。例如A“湖北省武汉市武昌区珞珈山路16号”是属于B“湖北省武汉市武昌区”。

(4)聚类关系(标识：APO)，表示A是B的一个组成部分。例如A“湖北省武汉市武昌区珞珈山路16号”是B“湖北省武汉市武昌区珞珈山路”的一部分。

(5)拓扑关系，表示A与B空间上的几何关系，根据几何类型不同分为：相离关系(标识：)、邻接关系(标识：ADJ)、相交关系(标识：INT)、重合关系(标识：EQU)、包含关系(标识：CON)。例如A“湖北省武汉市武昌区珞珈山路16号”临接于B“湖北省武汉市武昌区珞珈山路14号”。

(6)近似关系(SIM)，表示A是B的相似表达。例如A“湖北省武汉市武昌区珞珈山路16号”近似于B“武汉大学信息学部”。

以上定义的关系类型，也支持多个关系构成一个复合关系，即允许一个对象与多个对象之间的一对多的复合关系。

步骤3：基于步骤2定义的位置语义网进行语义位置的语义相似性推理，获得位置的相似度；语义相似性推理的方法包括关系继承法、关系传递法、相似性匹配法。关系继承推理：例如A属于B，B属于C，则可以做出A属于C的推理；关系传递推理：如A与B相似，B与C相似，则A与C相似；相似性匹配推理：如A属于B，C与A相似，D与B相似，则C可能属于D，也可通过其他相似性匹配算法进行推理。

步骤4：基于步骤1建立的位置本体库，进行语义位置的空间映射计算来进行空间位置一致性的判定；这种判定在不同位置描述粒度下，由于空间几何图形的表达尺度不一致，因此需要通过多尺度的几何分析，综合进行位置一致性的判定；所述的多尺度的几何分析包括不同粒度下的位置精度、以及几何图形之间的空间距离计算。

定义每种位置类型，在不同粒度下是否能够表达，以及其表达的位置精度如表2所示。其中“●”表示可以表达、“—”表示无法表达。鉴于互联网领域地图的应用粒度较多集中于大于城市的粒度，因此该表中区域粒度对比城市粒度更小的粒度被忽略而未做更详细划分。

表2不同语义位置类型的表达粒度及精度

在对不同粒度的语义位置的几何判定过程中：

(1)如位置A与位置B的位置粒度相同，即具有相同的几何精度，则对不同语义位置的几何图形通过自动的几何综合后，得到几何图形Geo-A、几何图形Geo-B，通过设置一定的精度范围阈值进行判定：

①如果Geo-A与Geo-B的几何形态一致，并且空间距离在阈值范围内，可以认定为空间位置一致；

②如果Geo-A与Geo-B的几何形态为点与线，则位置A与B无法转换，但是通过阈值进行空间缓冲计算，如果GeoA在GeoB的缓冲区内，则判定位置A在位置B上；

③如果Geo-A与Geo-B的几何形态为点与面，则计算点到面几何中心的距离，如果在阈值内，则判定位置A与位置B空间位置一致；

④如果Geo-A与Geo-B的几何形态为线与面，则位置A与B无法转换，但是通过阈值进行空间缓冲计算，如果GeoA在GeoB的缓冲区内，则判定位置A在位置B上；如果GeoA与GeoB相交，则判定位置A与位置B相邻，否则判定几何位置不一致。

(2)如位置粒度不同，则先将较高粒度的语义位置的几何图形向低粒度进行几何数据综合，然后在低粒度位置精度下参照第(1)种方式进行判定。

步骤5：根据步骤3中的位置的相似度、步骤4中的空间位置一致性判定结果两个维度进行评价，评价位置转换的可行性以及转换准确度；其中空间位置一致性为判定的先决条件，如果空间位置一致性的判定结果为不一致，则位置无法转换。

下面通过具体实施例来进一步阐述本发明的原理，例如位置A：湖北省武汉市洪山区珞珈山路16号与位置B：IP地址“113.57.47.29”之间的位置关系转换。

步骤1、定义位置A：{位置类型＝‘标准地址’，位置名称＝‘湖北省武汉市武昌区珞珈山路16号’，位置粒度＝‘街道级’，几何范围＝‘Polygon(114.35537，30.53347)，(114.35401，30.53249)…’，语义关系＝‘{AMO，湖北省武汉市武昌区珞珈山路}，{SIM，武汉大学}’，角色＝‘教育机构’}。位置B：{位置类型＝‘IP地址’，位置粒度＝“”，位置名称＝‘113.57.47.29’，位置粒度＝‘建筑级’，几何范围＝‘POINT(114.35526，30.53301)’，语义关系＝‘{AKO，湖北省武汉市联通IP}，{AMO，“113.57.47.1”}{SIM，武汉大学信息学部18栋}’，角色＝‘动态IP’}。

步骤2、根据录入及建立的语义网模型，查询到位置A与武汉大学相似，而位置与武汉大学信息学部18栋相似，通过位置的继承推理出：语义关系上可以判定位置B属于位置A；

步骤3、位置A属于街道级、而位置B属于建筑级，由于粒度不一致，则需要通过位置B进行街道级地图综合，由于位置B的几何形态是点状信息，所以几何形态保持不变；根据表2，可以查到街道级位置精度为5米，通过缓冲查询分析几何位置关系：位置A与位置B不一致，但位置B在位置A内。

步骤4、综合空间几何一致性的判定及语义关系可以判定，位置B与位置B不能直接位置等同，但是位置B在位置A内。

应当理解的是，本说明书未详细阐述的部分均属于现有技术。

应当理解的是上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (3)

1.一种基于位置语义网的语义位置转换方法，其特征在于，包括以下步骤：

步骤1：基于位置本体的特征，定义可扩展的语义位置逻辑描述模型，此模型中每种语义位置都包含位置类型、位置名称、所属粒度、几何范围、与其他位置的语义关系、各类应用场景下的角色这6个特征项；基于该模型，建立各类位置本体实例数据库，形成位置本体库；

所述的位置类型特征项，包括绝对位置、相对位置和三维位置；所述的绝对位置包括标准地址、经纬度、邮政编码、电话号码、IP地址及其他绝对地址；所述的相对位置包括自我中心位置、线性参考位置、其他位置；所述的三维位置包括三维定位位置及其他三维位置；

步骤2：定义一个位置语义网模型，该模型将多种语义位置实体作为网络中的节点，以位置与位置之间的语义关系为弧段，对语义位置实体构建实体与实体之间的语义关系；

构建实体与实体之间的语义关系包括以下类型：实例关系、分类关系、从属关系、聚类关系、拓扑关系、近似关系，以及由以上6种关系复合而成的多元关系；

所述实例关系表示A是B的一种具体实例；所述分类关系表示A是B的一种子类；所述从属关系表示A属于B；所述聚类关系表示A是B的一个组成部分；所述拓扑关系表示A与B空间上的几何关系，根据几何类型不同分为相离关系、邻接关系、相交关系、重合关系、包含关系；所述近似关系表示A是B的相似表达；

步骤3：基于步骤2定义的位置语义网进行语义位置的语义相似性推理，获得位置的相似度；

步骤4：基于步骤1建立的位置本体库，进行语义位置的空间映射计算来进行空间位置一致性的判定；

步骤5：根据步骤3中位置的相似度、步骤4中的空间位置一致性判定结果两个维度进行评价，评价位置转换的可行性以及转换准确度；其中空间位置一致性为判定的先决条件，如果空间位置一致性的判定结果为不一致，则位置无法转换。

2.根据权利要求1所述的基于位置语义网的语义位置转换方法，其特征在于：步骤3中所述的语义相似性推理的方法包括关系继承法、关系传递法、相似性匹配法。

3.根据权利要求1所述的基于位置语义网的语义位置转换方法，其特征在于：步骤4中所述的空间位置一致性的判定，这种判定在不同位置描述粒度下，由于空间几何图形的表达尺度不一致，因此需要通过多尺度的几何分析，综合进行位置一致性的判定；所述的多尺度的几何分析包括不同粒度下的位置精度、以及几何图形之间的空间距离计算。