CN106227753A - 利用手绘地图检索空间场景的方法 - Google Patents
利用手绘地图检索空间场景的方法 Download PDFInfo
- Publication number
- CN106227753A CN106227753A CN201610554298.XA CN201610554298A CN106227753A CN 106227753 A CN106227753 A CN 106227753A CN 201610554298 A CN201610554298 A CN 201610554298A CN 106227753 A CN106227753 A CN 106227753A
- Authority
- CN
- China
- Prior art keywords
- scene
- spatial
- entity
- hand
- drawing map
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及地理信息检索,特别是网络地理信息服务系统中利用手绘地图检索空间场景的方法,可改变传统或当前地理信息检索与查询的模式,拓展传统仅基于地名等关键字和指定地理范围的空间查询与检索模式,其解决的技术方案是,用户将复杂的、包含有实体几何信息和空间关系信息的复杂查询条件以手绘地图的形式提交给系统,系统通过度量手绘地图场景与数据库中空间场景的相似性,给出一系列近似满足约束条件的空间场景,本发明能有效对空间数据场景进行检索,提高了地理信息服务的智能化水平。
Description
一、技术领域
本发明涉及地理信息检索,特别是网络地理信息服务系统中利用手绘地图检索空间场景的方法。
二、背景技术
当前各大互联网公司推出的网络地图服务中,提供了基于地名等关键词的空间场景检索,这种与传统GIS(地理信息系统,下同)中类似的检索模式具有很大的局限性,且智能化服务水平较低。主要体现在:查询的约束条件仅基于语义信息或精确的地理范围,然后根据关键词或关键词组合,采用结构化查询语言(如SQL语言)进行查询,忽略了空间场景中实体的几何信息及其空间关系信息,难以对包含有实体间相互关系等约束条件的复杂空间场景进行检索,导致人对复杂约束条件的认知与计算机所能理解的关键词间存在巨大的差距。
例如,若要在网络地图上检索“与学校相邻接,且与街道相远离的医院”,则很难在目前的网络地图上快速检索到满足这一约束条件的所有医院,再如,如果用户忘记关键字或提供的关键字不完全准确,就可能找不到所需信息。
三、发明内容
针对上述情况,为克服现有技术缺陷,本发明之目的就是提供利用手绘地图检索空间场景的方法,拓展和丰富传统仅基于关键词或关键词组合的地理信息检索模式,能够把人对复杂空间场景中实体及其关系信息的灵活认知与计算机高效、快捷的地理信息处理能力紧密结合起来,极大地提高人机协作的效率,满足人对空间场景检索的多样化需求。
其解决的技术方案是,用户将复杂的、包含有实体几何信息和空间关系信息的复杂查询条件以手绘地图的形式提交给系统,系统通过度量手绘地图场景与数据库中空间场景的相似性,给出一系列近似满足约束条件的空间场景,其实现步骤如下:
1、对输入的手绘地图和空间数据库中的空间数据场景进行预处理;
2、提取空间数据场景和手绘地图场景中的特征向量,然后对提取后的高维特征向量降维处理;
3、基于低维特征向量,建立手绘地图和数据库中空间数据场景之间的混合相似性度量模型,基于点集聚类,对空间数据场景建立双重空间索引树;
4、对经降维处理后的手绘地图和数据库中的空间场景,以连接图的形式对其进行形式化描述并对约束条件进行松弛化处理;
5、在第一重索引树中查找与手绘地图场景特征相近的一系列“点”,找到这些“点”之后,通过双重索引机制在第二重索引树中找到一系列相似的数据场景,在此基础上利用混合相似性度量模型和松弛化后的约束条件生成匹配关联图,然后基于匹配关联图排序输出检索结果;
6、对输出的检索结果进行性能评估,经相关反馈处理后重新调整混合相似性度量模型中相关参数;
7、重新执行步骤3-6,直至检索结果性能评估符合要求,则结束检索。
相比现有技术,本发明具有如下有益效果:
1、改变传统或当前地理信息检索与查询的模式,拓展了传统仅基于地名等关键字和指定地理范围的空间查询与检索模式,满足更加智能化的网络地理信息检索服务;
2、手绘地图可以形象地将空间关系和实体几何信息等约束条件描述出来提交给系统进行检索,这些复杂的、模糊的检索条件仅靠传统的结构化查询语言很难表达,而手绘地图由于其本身固有的模糊性,可以使用户不必局限于细节;
3、能够与当前便携式无线互联网移动终端设备和触摸屏幕技术紧密结合,具有较好的发展前景;
4、将该方法用于网络地理信息服务系统中,通过大量实践证明,该方法能有效对空间数据场景进行检索,提高了地理信息服务的智能化水平。
四、附图说明
图1是本发明方法设计流程图。
图2是双重索引机制。
图3是空间场景的形式化描述。
图4是匹配关联图。
图5是可能出现的检索结果。
图6是手绘地图检索实例。
五、具体实施方式
以下结合附图对本发明的利用手绘地图检索空间场景的方法的具体实施方式作详细说明。
由图1给出,本发明是通过以下步骤实现的:
1、对输入的手绘地图和空间数据库中的空间数据场景进行预处理。
是指对输入的手绘地图和空间数据场景进行各种规范化的预处理,不是本发明的重要内容,不做详细介绍。
2、提取空间数据场景和手绘地图场景中的特征向量,然后对提取后的高维特征向量进行降维处理。
(1)场景特征向量提取是后续进行检索的基础、相当于互联网搜索引擎中“关键词”的确定,提取的特征向量应尽量完整地包含空间实体几何特征及实体间空间关系特征(包括拓扑关系特征、方向关系特征和距离关系特征),方法是:空间实体主要提取其大小、长度、面积、方向和形状分量,形状分量主要由常见的傅里叶描述子来表达;空间拓扑关系特征向量由9交集矩阵来表达,方向关系特征向量由详细方向关系矩阵来表达,距离关系特征由距离关系矩阵来表达,实体与实体之间的距离通过霍斯道夫距离来计算;
(2)高维特征向量降维处理的目的是为了降低后续相似性度量运算的复杂度、保证检索结果的有效性,本发明的目标是能从高维特征向量中分离出“有意义”的、独立的低维特征向量,方法是:首先采用基于图谱的方法将二元空间关系矩阵转化为一维向量,然后利用独立成分分析方法将高维特征向量降为一维向量。以二元空间关系中的拓扑关系为例,假定空间场景中有N个实体,则共有N(N-1)/2个9交集矩阵描述拓扑关系,为降低计算复杂度,首先利用图谱的方法将矩阵转化为一维向量,然后再利用独立成分分析方法将所有分量组成的矩阵进行降维处理。
3、基于低维特征向量,建立手绘地图和数据库中空间数据场景之间的混合相似性度量模型,基于点集聚类,对数据场景建立双重空间关系索引树。
(1)场景混合相似性度量模型主要包括:手绘地图场景中实体与空间数据场景中实体之间的几何相似度,也就是面积、周长、方向和形状相似度、维数相似度,这是实体与实体之间的一元关系相似度;还包括手绘图场景中实体对与空间数据场景中实体对之间的二元空间关系相似度,分别是拓扑关系、方向关系和距离关系相似度;还包括数量相似度,主要用来度量场景中相互匹配的实体对数量多少;
(2)考虑到R树索引对空间对象具有自然支持的能力及广泛的应用场合,本发明将传统R树进行扩展以生成两棵索引树,建立一种双重索引机制,用于支持基于手绘地图的空间场景检索:
●第一重索引树,是在R树的基础上,将每个结点看做空间场景,同时保存场景的空间关系特征;
●第二重索引树,也是基于R树,按照每个空间场景对应的已降维的空间关系特征向量对场景进行索引,专门用于空间相似性检索。
令第一重索引树中的第i个结点Si对应已经降维后的空间关系特征向量为pi,pi=(pi1,pi2,...,pit),pi1,pi2,...,pit是pi的t个分量,可将其看成t维空间中的点,第二重索引树根据聚类原则建立以点集合{pi}为数据项的索引树,其构建原则是基于点集的聚类,即将具有最小距离的点尽量放在同一结点中,也意味着将相似特征向量放在同一结点中。另外,第二重索引树的结点指针不指向实际空间对象,而是指向第一重索引树中的场景结点,因此,空间场景的检索可转化为在第二重索引树中寻找一系列最近的空间关系特征点,双重索引机制如附图2。
4、对经降维处理后的手绘地图和数据库中的空间场景,以连接图的形式对其进行形式化描述并对约束条件进行松弛化处理。
(1)空间场景由“结点-边”组成的图来形式化描述。结点代表手绘地图中的实体、环绕结点的箭头表示实体类别,边用来表达实体间的二元空间关系,包括拓扑、方向和距离关系,以附图3为例,附图3(a)是一个空间场景,附图3(b)是对应的图例,附图3(c)是对附图3(a)空间场景的连接图描述,这里仅考虑了空间拓扑关系。这种连接图主要表达了实体间的空间关系特征,因为对于手绘地图检索而言,用户不可能描绘出较为准确的几何特征;
(2)类似于互联网上基于关键词的搜索引擎,用户输入的检索条件可能是模糊的、不准确的,但其希望得到的却是一系列与之相关的结果序列,如果严格按照输入的检索条件在空间数据场景中检索满足条件的结果,可能检索不到相等的场景。因此,必须减弱或者松弛化原始输入的手绘地图约束条件,这种松弛化是相当于给检索结果一个误差限,误差限内的所有检索结果都可以输出。
具体方法是:在进行点集聚类建立第一重索引过程中,尽可能地扩大附图2(a)中“聚类圈”的半径(也相当于包含尽可能多的检索结果),同时,在基于相似性度量模型建立匹配关联图的过程中,尽可能减小各分量的相似阈值,以便输出更多的检索结果。主要包括实体本身的属性类别和几何特征的松弛化、实体与实体之间空间关系的松弛化。松弛化的基本策略和原则是:更重要的约束条件松弛化程度要比一般约束条件松弛化程度低,定性描述的约束条件松弛化程度要比定量描述的松弛化程度低。基于这两个基本原则,约束条件松弛化程度由低到高的排序是:属性类别→拓扑关系→方向关系→距离关系→几何特征,在具体实施过程中,定性的约束条件松弛化可通过概念邻域距离的方式量化松弛,而定量的约束条件可直接量化松弛。
5、在空间关系索引树中查找与手绘地图场景特征相近的一系列“点”,找到这些“点”之后,通过双重索引机制在第二重索引中找到一系列相似的数据场景,在此基础上利用混合相似性度量模型和松弛化后的约束条件生成匹配关联图,然后基于匹配关联图排序输出检索结果。
匹配关联图是指建立如附图4所示手绘地图场景连接图和空间数据场景连接图之间的关联匹配关系,其目的是为了将检索问题转化为图的搜索问题,使其更有效地输出一系列相关结果。具体方法是:
(1)先根据实体与实体间的一元相似性度量模型和约束条件的松弛化,生成匹配关联图的结点,每个结点代表手绘地图场景实体与空间数据场景实体的匹配关系,是否匹配由实体间的相似性度量模型和松弛化决定,然后生成结点与结点之间的边,边是指结点中两对实体之间相似的空间关系,究竟达到何种相似性程度的空间关系可看做匹配关联图的边,由相似性度量模型和空间关系松弛化条件决定;
(2)生成相应的匹配关联图后,可在图中查找各种搜索圈:“最完整的极大搜索圈”是指能将整个手绘地图场景中实体全部涵盖,且图的边能围成一个闭合的回路,该搜索圈对应完全准确的搜索结果;“极大搜索圈”是指通过属性类别匹配能将整个手绘地图中实体全部涵盖,但边不一定能围成一个闭合的回路;“单个搜索圈”是指通过属性类别匹配而得到的单个实体对,也即匹配关联图的一个结点。最后输出的检索结果排序是根据场景相似性度量模型输出以上所有结果,也就是赋予匹配关联图结点和边以相似值,然后排序,附图5是手绘地图连接图与空间数据连接图可能的对应关系,也就是可能出现的各种检索结果,包括检索结果完全准确、不完全准确和无检索结果。
6、对输出的检索结果进行性能评估,经相关反馈处理后重新调整混合相似性度量模型中相关参数。
(1)以多幅手绘地图场景的平均查准率和平均查全率来评估检索方法的准确度;以排序值评测方法来评估检索结果顺序输出的合理性;以平均检索率来度量检索方法的效率高低;
(2)相关反馈是指通过人对检索结果的多次评价,使检索模型更能逼近用户意图,提高检索效能,对同一手绘地图的检索结果输出序列,让不同的用户对其进行打分排序,然后通过权值调整来确定场景相似性度量模型中的权值系数,进行二次或多次检索。
实施例
实验数据主要选择最新西安地区的1∶50000基础地理信息数据。实验平台暂时选择较为成熟GIS二次开发平台,手绘图主要通过鼠标手绘而成,如附图6所示,图6(a)是手绘输入的地图,图6(b)虚线圈内的场景是从一幅地图检索到的结果。
Claims (5)
1.利用手绘地图检索空间场景的方法,其特征在于,该方法包括以下步骤:
(1)对输入的手绘地图和空间数据库中的空间数据场景进行预处理;
(2)提取空间数据场景和手绘地图场景中的特征向量,然后对提取后的特征向量进行降维处理;
(3)基于低维特征向量,建立手绘地图和数据库中空间数据场景之间的混合相似性度量模型,基于点集聚类,对空间数据场景建立双重空间索引树;
(4)对经降维处理后的手绘地图和数据库中的空间场景,以连接图的形式对其进行形式化描述,并对约束条件进行松弛化处理;
(5)在第一重索引树中查找与手绘地图场景特征相近的一系列“点”,找到这些“点”之后,通过双重索引机制在第二重索引树中找到一系列相似的数据场景,在此基础上利用混合相似性度量模型和松弛化后的约束条件生成匹配关联图,然后基于匹配关联图排序输出检索结果;
(6)对输出的检索结果进行性能评估,经相关反馈处理后重新调整混合相似性度量模型中相关参数,直至符合要求。
2.根据权利要求1所述的利用手绘地图检索空间场景的方法,其特征在于,
(1)所说的提取的特征向量是指,应尽量完整地包含空间实体几何特征及实体间空间关系特征,包括拓扑关系特征、方向关系特征和距离关系特征,方法是:空间实体主要提取其大小、长度、面积、方向和形状分量,形状分量主要由常见的傅里叶描述子来表达;空间拓扑关系特征向量由9交集矩阵来表达,方向关系特征向量由详细方向关系矩阵来表达,距离关系特征由距离关系矩阵来表达,实体与实体之间的距离通过霍斯道夫距离来计算;
(2)所说的对提取后的高维特征向量进行降维处理,是指,首先采用基于图谱的方法将二元空间关系矩阵转化为一维向量,然后利用独立成分分析方法将高维特征向量降为一维向量,以二元空间关系中的拓扑关系为例,假定空间场景中有N个实体,则共有N(N-1)/2个9交集矩阵描述拓扑关系,为降低计算复杂度,首先利用图谱的方法将矩阵转化为一维向量,然后再利用独立成分分析方法将所有分量组成的矩阵进行降维处理。
3.根据权利要求2所述的利用手绘地图检索空间场景的方法,其特征在于,
(1)所说的手绘地图和数据库中空间数据场景之间的混合相似性度量模型,包括,手绘地图场景中实体与空间数据场景中实体之间的几何相似度,也就是面积、周长、方向和形状相似度、维数相似度,这是实体与实体之间的一元关系相似度;还包括手绘图场景中实体对与空间数据场景中实体对之间的二元空间关系相似度,分别为拓扑关系、方向关系和距离关系相似度;还包括数量相似度,主要用来度量场景中相互匹配的实体对数量多少;
(2)所说的对空间数据场景建立双重空间索引树,是指,对传统R树进行扩展以生成两棵索引树,建立一种双重索引机制,用于支持基于手绘地图的空间场景检索:第一重索引树,是在R树的基础上,将每个结点看作空间场景,同时保存场景的空间关系特征;第二重索引树,也是基于R树,按照每个空间场景对应的已降维的空间关系特征向量对场景进行索引,专门用于空间相似性检索;
令第一重索引树中的第i个结点Si对应已经降维后的空间关系特征向量为pi,pi=(pi1,pi2,...,pit),pi1,pi2,...,pit是pi的t个分量,可将其看成t维空间中的点,第二重索引树根据聚类原则建立以点集合{pi}为数据项的索引树,其构建原则是基于点集的聚类,将具有最小距离的点尽量放在同一结点中,也意味着将相似特征向量放在同一结点中;另外,第二重索引树的结点指针不指向实际空间对象,而是指向第一重索引树中的场景结点,因此,空间场景的检索可转化为在第二重索引树中寻找一系列最近的空间关系特征点。
4.根据权利要求3所述的利用手绘地图检索空间场景的方法,其特征在于,
(1)所说的以连接图的形式对其进行形式化描述,是指,空间场景由“结点-边”组成的图来形式化描述,结点代表手绘地图中实体、环绕结点的箭头表示实体类别,边用来表达实体间的二元空间关系,包括拓扑、方向和距离关系;
(2)所说的对约束条件进行松弛化处理,是指,减弱或者松弛化原始输入的手绘地图约束条件,这种松弛化是相当于给检索结果一个误差限,误差限内的所有检索结果都可以输出,松弛化的基本策略和原则是:更重要的约束条件松弛化程度要比一般约束条件松弛化程度低,定性描述的约束条件松弛化程度要比定量描述的松弛化程度低,基于这两个基本原则,约束条件松弛化程度由低到高的排序是:属性类别→拓扑关系→方向关系→距离关系→几何特征,在具体实施过程中,定性的约束条件松弛化可通过概念邻域距离的方式量化松弛,而定量的约束条件可直接量化松弛。
5.根据权利要求4所述的利用手绘地图检索空间场景的方法,其特征在于,所说的匹配关联图,是指,先根据实体与实体间的一元相似性度量模型和约束条件的松弛化,生成匹配关联图的结点,每个结点代表手绘地图场景实体与空间数据场景实体的匹配关系,是否匹配由实体间的相似性度量模型和松弛化决定,然后生成结点与结点之间的边,边是指结点中两对实体之间相似的空间关系,究竟达到何种相似性程度的空间关系可看做匹配关联图的边,由相似性度量模型和空间关系松弛化条件决定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610554298.XA CN106227753A (zh) | 2016-07-15 | 2016-07-15 | 利用手绘地图检索空间场景的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610554298.XA CN106227753A (zh) | 2016-07-15 | 2016-07-15 | 利用手绘地图检索空间场景的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106227753A true CN106227753A (zh) | 2016-12-14 |
Family
ID=57519271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610554298.XA Pending CN106227753A (zh) | 2016-07-15 | 2016-07-15 | 利用手绘地图检索空间场景的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106227753A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107609036A (zh) * | 2017-08-10 | 2018-01-19 | 南京邮电大学 | 一种基于交互式草图的空间查询方法 |
CN107729364A (zh) * | 2017-09-07 | 2018-02-23 | 浙江大学 | 一种基于地理实体编码的空间数据库检索方法 |
CN110516119A (zh) * | 2019-08-27 | 2019-11-29 | 西南交通大学 | 一种自然资源场景数据的组织调度方法、装置和存储介质 |
CN112396039A (zh) * | 2021-01-12 | 2021-02-23 | 之江实验室 | 一种基于邻域关系的火星栅格地形地图生成方法 |
CN113779197A (zh) * | 2021-09-09 | 2021-12-10 | 中国电子科技集团公司信息科学研究院 | 一种数据集搜索方法、装置、存储介质及终端 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678593A (zh) * | 2013-12-12 | 2014-03-26 | 中国科学院计算机网络信息中心 | 一种基于空间场景草图描述的交互式空间场景检索方法 |
CN104850620A (zh) * | 2015-05-18 | 2015-08-19 | 哈尔滨工程大学 | 一种基于空间关系的空间场景数据检索方法 |
-
2016
- 2016-07-15 CN CN201610554298.XA patent/CN106227753A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678593A (zh) * | 2013-12-12 | 2014-03-26 | 中国科学院计算机网络信息中心 | 一种基于空间场景草图描述的交互式空间场景检索方法 |
CN104850620A (zh) * | 2015-05-18 | 2015-08-19 | 哈尔滨工程大学 | 一种基于空间关系的空间场景数据检索方法 |
Non-Patent Citations (4)
Title |
---|
王一帆等: "基于PCA和ICA的多光谱数据降维方法", 《光学技术》 * |
申世群 等: "基于草图的空间数据检索研究", 《电子学报》 * |
袁贞明 等: "基于草图内容的空间拓扑数据检索方法", 《浙江大学学报(工学版)》 * |
袁贞明: "基于样例的空间数据检索技术研究", 《中国博士学位论文全文数据库 (电子期刊)》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107609036A (zh) * | 2017-08-10 | 2018-01-19 | 南京邮电大学 | 一种基于交互式草图的空间查询方法 |
CN107729364A (zh) * | 2017-09-07 | 2018-02-23 | 浙江大学 | 一种基于地理实体编码的空间数据库检索方法 |
CN110516119A (zh) * | 2019-08-27 | 2019-11-29 | 西南交通大学 | 一种自然资源场景数据的组织调度方法、装置和存储介质 |
CN112396039A (zh) * | 2021-01-12 | 2021-02-23 | 之江实验室 | 一种基于邻域关系的火星栅格地形地图生成方法 |
CN112396039B (zh) * | 2021-01-12 | 2022-06-24 | 之江实验室 | 一种基于邻域关系的火星栅格地形地图生成方法 |
CN113779197A (zh) * | 2021-09-09 | 2021-12-10 | 中国电子科技集团公司信息科学研究院 | 一种数据集搜索方法、装置、存储介质及终端 |
CN113779197B (zh) * | 2021-09-09 | 2023-07-04 | 中国电子科技集团公司信息科学研究院 | 一种数据集搜索方法、装置、存储介质及终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xavier et al. | A survey of measures and methods for matching geospatial vector datasets | |
CN106227753A (zh) | 利用手绘地图检索空间场景的方法 | |
CN103309886B (zh) | 一种基于交易平台的结构化信息搜索方法和装置 | |
CN110362660A (zh) | 一种基于知识图谱的电子产品质量自动检测方法 | |
CN103218436B (zh) | 一种融合用户类别标签的相似问题检索方法及装置 | |
CN103473327A (zh) | 图像检索方法与系统 | |
CN112100396B (zh) | 一种数据处理方法和装置 | |
Cui et al. | Dual implicit mining-based latent friend recommendation | |
CN110362652B (zh) | 基于空间-语义-数值相关度的空间关键字Top-K查询方法 | |
CN106372073A (zh) | 一种数学公式检索方法与装置 | |
CN114332519A (zh) | 一种基于外部三元组和抽象关系的图像描述生成方法 | |
CN109582868A (zh) | 基于词向量加权、支持向量回归和用户点击偏好的搜索推荐方法 | |
CN116561264A (zh) | 一种基于知识图谱的智能问答系统的构建方法 | |
Piech et al. | A new approach to storing dynamic data in relational databases using JSON | |
Ma et al. | Content Feature Extraction-based Hybrid Recommendation for Mobile Application Services. | |
CN112784049B (zh) | 一种面向文本数据的在线社交平台多元知识获取方法 | |
CN115952339B (zh) | 基于NGBoost的地理时空知识抽取和图谱表示方法 | |
CN115965085A (zh) | 一种基于知识图谱技术的船舶静态属性推理方法及系统 | |
CN117271577B (zh) | 一种基于智能分析的关键字检索方法 | |
CN104166672A (zh) | 一种xml关键字查询方法 | |
CN117556118B (zh) | 基于科研大数据预测的可视化推荐系统及方法 | |
CN115329221B (zh) | 一种针对多源地理实体的查询方法及查询系统 | |
Zhang et al. | POI-Transformers: POI Entity Matching through POI Embeddings by Incorporating Semantic and Geographic Information | |
Huiying et al. | Ontology-based enterprise content retrieval method | |
Wang et al. | A schema-matching-based approach to propagating updates between heterogeneous spatial databases |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161214 |