CN112559907A - 基于时空标签时空关联的基础数据检索与集成展示方法 - Google Patents
基于时空标签时空关联的基础数据检索与集成展示方法 Download PDFInfo
- Publication number
- CN112559907A CN112559907A CN202011425544.4A CN202011425544A CN112559907A CN 112559907 A CN112559907 A CN 112559907A CN 202011425544 A CN202011425544 A CN 202011425544A CN 112559907 A CN112559907 A CN 112559907A
- Authority
- CN
- China
- Prior art keywords
- basic data
- data
- space
- time
- label
- 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
Images
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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive 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
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/355—Class or cluster creation or modification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Remote Sensing (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于时空标签时空关联的基础数据检索与集成展示方法,包括对基础数据进行时空标签化;建立标签之间关联关系;基于时空标签,一键式检索基础数据等步骤;本发明的优点在于:通过本发明使智慧城市管理中的人、地、物、组织、事件进行标签化分类及构建数据间的逻辑关系,利用地图可视化展示相关元素间的空间关系和移动轨迹关系,有效的支持智慧城市针对目标进行全生命周期的管理。
Description
技术领域
本发明涉及一种数据检索和空间信息展示方法,具体地说是一种基于时空标签时空关联的基础数据检索与集成展示方法,属于数据检索和空间信息展示领域。
背景技术
在智慧城市管理业务领域,需要对城市管理中的各种部件、人、房屋建筑、事件、法人单位进行实时监管。现有技术中,支持人、部件、房屋建筑、事件、法人单位等基础数据查询并基于坐标标注的方式在地图上进行展示,数据关联查询显示缓慢,不支持大规模数据地图展示。因此通过对基础数据模型建立时空标签,获得基础数据时空关系,并基于时空标签进行检索并采用特定的空间地图可视化展示方式解决目前的存在的问题成了技术和发展的关键。
现有技术中,基础数据查询检索和大规模数据地图展示方法,都存在一些问题:
(1)人、地、物、组织、事件查询检索方法:
通过建立人房关联、人与事件、人与组织、地与物之间主外键关联,通过表链接进行数据查询,支持以房查人、以事查人、以人查事,无法全面建立人、房、事、组织、物之间的逻辑关系。另一方面,随着数据量的增加,两表或多表关联查询速度非常缓慢。
(2)大规模数据地图展示:
当大规模的地图展示,当加载超过一定量的时候,地图拖动,缩放功能几乎失效,卡顿非常严重,浏览器压力大。
发明内容
本发明的目的在于,设计了一种基于时空标签时空关联的基础数据检索与集成展示方法,建立基础数据时空标签,提高用户检索基础数据的效率和建立基础数据之间的关联关系,并集成地理空间地图进行可视化展示。
本发明的技术方案为:
基于时空标签时空关联的基础数据检索与集成展示方法,包括下列步骤:
步骤S100:输入人、地、物、组织、事件等城市管理基础数据;
步骤S200:基于基础数据主题数据表定义和数据实体字段信息提取其实体特征和属性特征、空间地理位置特征、时间特征、实体间关系特征;
步骤S300:将上述步骤S200的特征进行组织,辅助人工选择形成人、地、物、组织、事件等基础数据分类特征,进而形成时空分类标签体系;
步骤S400:对基础数据进行抽样清洗,利用类别映射规则,并将清洗过程抽象为业务规则,执行规则清洗,进行全局清洗和迭代,形成样本数据;
步骤S500:在步骤S400样本数据和步骤S300时空分类标签基础上,利用基于Text-CNN模型的中文文本分类,融合基础数据逻辑关系,给基础数据实体打标签,一个实体可以包括多个标签,描述实体间关联关系和实体时间轨迹关系;
步骤S600:提供标签逻辑关联关系和业务场景标签组的数据检索方式,查询基础数据,返回基础数据结果集;
步骤S700:基于时空标签间的业务逻辑关系,在地理空间信息上展示查询出的基础数据空间关联关系;
步骤S800:基于时空标签实体时间轨迹关系,即基础数据实体在时间段内的运动轨迹标签信息,在地理空间信息上展示基础数据实体间的运行轨迹情况;
步骤S900:提供地理空间信息范围,采用数据接口获得该空间范围内的查询的基础数据实体,采用HTML CANVAS画布实时渲染输出结果,过滤不能显示的点,实现地图上快速展示。
进一步的,所述步骤S500包括以下子步骤:
(1)在输入的基础数据基础上,提取每条记录中的文本字段,组合形成该记录的一段文本,通过文本的预处理,主要针对剔除无意义的符号信息,或其它的冗余信息;
(2)进一步将文本的数值化,即使用数字代表特定的词汇,因为计算机无法直接处理人类创造的词汇。为了让计算机能够理解词汇,需要将词汇信息映射到一个数值化的语义空间中,这个语义空间称之为词向量空间;利用word2vec一种无监督的学习模型工具,实现词汇信息到语义空间的映射,最终获得一个词向量模型;
(3)利用文本卷积神经网络模型,从输入的定长文本序列中,利用局部词序信息,提取初级的特征,并组合初级的特征为高级特征,解决基础数据多标签场景&非文本特征接入的问题,同时使用深度模型取得更好的泛化效果。
进一步的,所述步骤S600包括以下子步骤:
(1)精确匹配查询,通过对输入查询标签条件精确匹配指定的字段去检索结果;
(2)模糊查询,在搜索的字段中包含匹配输入的查询标签条件;
(3)基于标签逻辑关系,允许在单独的查询中组合任意数量的查询,指定的查询语句表名哪些部分是必须匹配、应该匹配或不能匹配,进行组合查询,嵌套关系查询。
进一步的,所述步骤S700包含以下子步骤:
(1)渲染查询结果,在地图上展示查询的人、地、物、组织、事件信息;
(2)选择某个人、地、物、组织、事件,查看标签之间的逻辑关联关系。
进一步的,所述步骤S800包含以下子步骤:
(1)轨迹数据可视化,将基础数据移动轨迹在地图上绘制轨迹路径图,突出轨迹的空间位置;
(2)利用时间属性的移动来动态展示轨迹的空间位置;
(3)当轨迹数据量较大时,轨迹数据通过分类聚集计算获得聚集数据,再将聚集数据可视化。
本发明提供基于海量数据的地理信息可视化集成展示方法,展示基础数据之间的关联关系及运动轨迹情况。
数据关联关系通过数据库主外键进行关联,数据检索利用其关联关系和基础数据的关键字段上加索引完成并在地图上展示这种传统技术实现方式,在GIS中的大数据量的展示难以确保数据以一种有意义且对最终用户可操作的方式准确地呈现;另外大数据量使得在浏览器上产生了巨大负载,需要花长时间才可以看到的结果。因此,本发明提供的多级多叉树标签体系实现对基础数据打标签,实现数据之间关联关系,建立标签索引检索体系,支持一键式数据检索服务,同时利用内存画布方式,采用地图渲染输入、更新、退出模式,来动态更新地图上的点,在地图进行缩放、漫游操作后,根据地图的可视范围重新检索数据,过滤掉不能有效渲染的点,从而减少SVG中的点数,实现海量数据在地图上的快速展示。
本发明支持海量人、地、物、组织、事件智慧城市基础数据的空间关系集成展示。利用基础数据为用户提供丰富信息和支持决策,一方面在前端为用户显示更丰富的信息,另一方面支持搜索的类别搜索需求,主要是在地图场景查询和决策支持方面具有丰富的多义表达,通过传统的文本匹配引擎或者简单的同义词泛化是难以达到目的的;因此通过挖掘标签形成人、地、物、事件、组织之间关联关系的标签类目体系实现用户实际的查询场景,支持用户的搜索需求;建立真实世界的客观类目分布,以及对该分布的认知;支持不同标签间的从属、并列关系。最终每个大类将构建一个多层的多叉树体系。
本发明的有益效果为:通过本发明使智慧城市管理中的人、地、物、组织、事件进行标签化分类及构建数据间的逻辑关系,利用地图可视化展示相关元素间的空间关系和移动轨迹关系,有效的支持智慧城市针对目标进行全生命周期的管理。
下面结合附图和实施例对本发明作进一步说明。
附图说明
图1:本发明的一种基于时空标签时空关联的基础数据检索与集成展示的一个实例的流程图。
图2:本发明的一种基于时空标签时空关联的基础数据检索与集成展示的一个实例的系统结构示意图。
图3:本发明的一直基于时空标签时空关联的基础数据检索与集成展示的时空标签体系结果图。
具体实施方式
以下对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1
如图1所示,一种基于时空标签时空关联的基础数据检索与集成展示方法,包括下列步骤:
步骤S100:输入人、地、物、组织、事件等城市管理基础数据;
步骤S200:基于基础数据主题数据表定义和数据实体字段信息提取其实体特征和属性特征、空间地理位置特征、时间特征、实体间关系特征;
步骤S300:将上述步骤S200的特征进行组织,辅助人工选择形成人、地、物、组织、事件等基础数据分类特征,进而形成时空分类标签体系;
步骤S400:首先对基础数据进行抽样清洗,利用类别映射规则,并将清洗过程抽象为业务规则,执行规则清洗,进行全局清洗和迭代,形成样本数据;
步骤S500:在步骤S400样本数据和步骤S300时空分类标签基础上,利用基于Text-CNN模型的中文文本分类,融合基础数据逻辑关系,给基础数据实体打标签,一个实体可以包括多个标签,描述实体间关联关系和实体时间轨迹关系;
具体的包括以下子步骤:
(1)在输入的基础数据基础上,提取每条记录中的文本字段,组合形成该记录的一段文本,通过文本的预处理,主要针对剔除无意义的符号信息,或其它的冗余信息;
(2)进一步将文本的数值化,即使用数字代表特定的词汇,因为计算机无法直接处理人类创造的词汇。为了让计算机能够理解词汇,需要将词汇信息映射到一个数值化的语义空间中,这个语义空间称之为词向量空间;利用word2vec一种无监督的学习模型工具,实现词汇信息到语义空间的映射,最终获得一个词向量模型;
(3)利用文本卷积神经网络(CNN)模型,从输入的定长文本序列中,利用局部词序信息,提取初级的特征,并组合初级的特征为高级特征,解决基础数据多标签场景&非文本特征接入的问题,同时使用深度模型取得更好的泛化效果。
步骤S600:提供标签逻辑关联关系和业务场景标签组的数据检索方式,查询基础数据,返回基础数据结果集;
具体的包括以下子步骤:
(1)精确匹配查询,通过对输入查询标签条件精确匹配指定的字段去检索结果;
(2)模糊查询,在搜索的字段中包含匹配输入的查询标签条件;
(3)基于标签逻辑关系,允许在单独的查询中组合任意数量的查询,指定的查询语句表名哪些部分是必须匹配、应该匹配或不能匹配,进行组合查询,嵌套关系查询。
步骤S700:基于时空标签间的业务逻辑关系,在地理空间信息上展示查询出的基础数据空间关联关系;
具体的包含以下子步骤:
(1)渲染查询结果,在地图上展示查询的人、地、物、组织、事件信息;
(2)选择某个人、地、物、组织、事件,查看标签之间的逻辑关联关系。
步骤S800:基于时空标签实体时间轨迹关系,即基础数据实体在时间段内的运动轨迹标签信息,在地理空间信息上展示基础数据实体间的运行轨迹情况;
具体的包含以下子步骤:
(1)轨迹数据可视化,将基础数据移动轨迹在地图上绘制轨迹路径图,突出轨迹的空间位置;
(2)利用时间属性的移动来动态展示轨迹的空间位置;
(3)当轨迹数据量较大时,轨迹数据通过分类聚集计算获得聚集数据,再将聚集数据可视化;
步骤S900:提供地理空间信息范围,采用数据接口获得该空间范围内的查询的基础数据实体,采用画布(HTML CANVAS)实时渲染输出结果,过滤不能显示的点,实现地图上快速展示,如图3所示,根据对人、地、物、组织进行打标签,形成时空标签体系结果,以时间为轴,以事件为关联,形成人、地、物、组织的时空关联关系。
所述的人,主要对人进行标签化,提取人得特征,获得人的群体分类;基于人口的基础属性,人标签化为户籍人口和流动人口;基于人口的管理和服务属性,把人口标签化为重点管理和重点服务人群。对服务人群,通过人口中的年龄、服务内容、救助等基础数据信息将服务人群进一步细化为残疾人、低保户、60岁以上老人、育龄妇女、18岁以下青少年、社会闲散青年。通过人口中的管理属性,将人群划分为社区矫正人员、刑满释放、严重精神障碍患者。
所述的地,主要对地点进行标签化,对地进行分类描述;基于地点的基本信息和使用情况,发生历史事件等把地划分为街巷小区村,建筑物及场所、房屋、服务场所、公园和旅游景点景区、菜市场、社区公共空间、地下空间、重点管理场所。
所述的物,主要对部件进行标签化,提取获得所有的物的标签;将设备设施划分为城市管理部件标签。
所述的组织,主要是对各种社会组织和法人进行分类描述;基于组织基础信息和相关属性进行分类,对组织进行标签化,将组织分类为:教育培训机构、医疗卫生机构、社会工作机构、基层行政机构、群众自治组织、社会组织、非公有制经济组织。
所述的事件,主要是依据时间轴,关联人、地、物、组织后形成的时(某个时间)空(某个地点)和关联(事件)定义。依据时间、事件属性、事件内容进行分类标签,将事件打标签,将事件划分为疑难事件、重复事件、超时事件、已处置事件、群体性事件、城管事件、环保事件。
如图2所示,本发明还提供基于时空标签空间关系基础数据展示系统,包括四个部分:基础数据输入、基础数据时空标签体系、一键式检索、基础数据空间关系展示模块。
所述基础数据输入模块用于人、地、物、组织基础数据维护,支持数据导入、录入、修改和查询。
所述基础数据时空标签体系模块用于系统时空标签管理,维护时空标签基础元数据和系统运用算法对数据进行打标签处理,形成标签库。
所述的特征值提取模块主要对人、地、物、组织、事件基础属性进行提取。
所述的特征分类模块主要对人、地、物、组织、事件等多种属性和文本利用分类算法进行提取。
所述的时空标签体系完成系统时空标签新增、删除、修改维护。
所述的属性标签,对人、地、物、组织、事件打属性标签。
所述的分类标签,利用算法结果人、地、物、组织、事件打分类标签。
所述的时间标签,对人、地、物、组织、事件打时间属性标签。
所述的空间标签,对人、地、物、组织、事件打空间位置标签。
所述一键式检索模块用于对形成的带标签的基础数据提供基于标签的检索,返回检索结果。
所述基础数据空间关系展示模块用于基础数据空间关系展示,提供基于GIS的基础数据多种关系的集成展示,支持时空关系迁徙情况展示和当前时空关联关系两种情形展示。
所述的时空关系迁徙情况展示主要针对人、地、物、组织的历史变迁情况进行展示。
所述的时空关联关系展示,主要基于事件关联人、地、物、组织进行综合展示。
Claims (5)
1.基于时空标签时空关联的基础数据检索与集成展示方法,其特征在于,包括下列步骤:
步骤S100:输入人、地、物、组织、事件等城市管理基础数据;
步骤S200:基于基础数据主题数据表定义和数据实体字段信息提取其实体特征和属性特征、空间地理位置特征、时间特征、实体间关系特征;
步骤S300:将上述步骤S200的特征进行组织,辅助人工选择形成人、地、物、组织、事件等基础数据分类特征,进而形成时空分类标签体系;
步骤S400:首先对基础数据进行抽样清洗,利用类别映射规则,并将清洗过程抽象为业务规则,执行规则清洗,进行全局清洗和迭代,形成样本数据;
步骤S500:在步骤S400样本数据和步骤S300时空分类标签基础上,利用基于Text-CNN模型的中文文本分类,融合基础数据逻辑关系,给基础数据实体打标签,一个实体包括多个标签,描述实体间关联关系和实体时间轨迹关系;
步骤S600:提供标签逻辑关联关系和业务场景标签组的数据检索方式,查询基础数据,返回基础数据结果集;
步骤S700:基于时空标签间的业务逻辑关系,在地理空间信息上展示查询出的基础数据空间关联关系;
步骤S800:基于时空标签实体时间轨迹关系,即基础数据实体在时间段内的运动轨迹标签信息,在地理空间信息上展示基础数据实体间的运行轨迹情况;
步骤S900:提供地理空间信息范围,采用数据接口获得该空间范围内的查询的基础数据实体,采用HTML CANVAS画布实时渲染输出结果,过滤不能显示的点,实现地图上快速展示。
2.根据权利要求1所述的基于时空标签时空关联的基础数据检索与集成展示方法,其特征在于,所述步骤S500包括以下子步骤:
(1)在输入的基础数据基础上,提取每条记录中的文本字段,组合形成该记录的一段文本,通过文本的预处理,主要针对剔除无意义的符号信息,或其它的冗余信息;
(2)进一步将文本的数值化,即使用数字代表特定的词汇,因为计算机无法直接处理人类创造的词汇;
为了让计算机能够理解词汇,需要将词汇信息映射到一个数值化的语义空间中,这个语义空间称之为词向量空间;利用word2vec一种无监督的学习模型工具,实现词汇信息到语义空间的映射,最终获得一个词向量模型;
(3)利用文本卷积神经网络模型,从输入的定长文本序列中,利用局部词序信息,提取初级的特征,并组合初级的特征为高级特征,解决基础数据多标签场景&非文本特征接入的问题,同时使用深度模型取得更好的泛化效果。
3.根据权利要求1所述的基于时空标签时空关联的基础数据检索与集成展示方法,其特征在于,所述步骤S600包括以下子步骤:
(1)精确匹配查询,通过对输入查询标签条件精确匹配指定的字段去检索结果;
(2)模糊查询,在搜索的字段中包含匹配输入的查询标签条件;
(3)基于标签逻辑关系,允许在单独的查询中组合任意数量的查询,指定的查询语句表名哪些部分是必须匹配、应该匹配或不能匹配,进行组合查询,嵌套关系查询。
4.根据权利要求1所述的基于时空标签时空关联的基础数据检索与集成展示方法,其特征在于,所述步骤S700包含以下子步骤:
(1)渲染查询结果,在地图上展示查询的人、地、物、组织、事件信息;
(2)选择某个人、地、物、组织、事件,查看标签之间的逻辑关联关系。
5.根据权利要求1所述的基于时空标签时空关联的基础数据检索与集成展示方法,其特征在于,所述步骤S800包含以下子步骤:
(1)轨迹数据可视化,将基础数据移动轨迹在地图上绘制轨迹路径图,突出轨迹的空间位置;
(2)利用时间属性的移动来动态展示轨迹的空间位置;
(3)当轨迹数据量较大时,轨迹数据通过分类聚集计算获得聚集数据,再将聚集数据可视化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011425544.4A CN112559907A (zh) | 2020-12-09 | 2020-12-09 | 基于时空标签时空关联的基础数据检索与集成展示方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011425544.4A CN112559907A (zh) | 2020-12-09 | 2020-12-09 | 基于时空标签时空关联的基础数据检索与集成展示方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112559907A true CN112559907A (zh) | 2021-03-26 |
Family
ID=75059819
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011425544.4A Pending CN112559907A (zh) | 2020-12-09 | 2020-12-09 | 基于时空标签时空关联的基础数据检索与集成展示方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112559907A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113392115A (zh) * | 2021-08-16 | 2021-09-14 | 成都数联铭品科技有限公司 | 基于时间轴的地图关联关系数据动态位移变化方法及装置 |
CN113434483A (zh) * | 2021-06-29 | 2021-09-24 | 无锡四维时空信息科技有限公司 | 一种基于时空大数据的可视化建模方法及系统 |
CN113505127A (zh) * | 2021-06-22 | 2021-10-15 | 侍意(厦门)网络信息技术有限公司 | 对有关联性对象的数据的存储结构及方法、检索和可视化展示方法 |
CN113642902A (zh) * | 2021-08-17 | 2021-11-12 | 上海图源素数字科技有限公司 | 一种国土空间多元关联信息的处理方法 |
CN114595880A (zh) * | 2022-03-03 | 2022-06-07 | 捻果科技(深圳)有限公司 | 一种飞行区行为路线的智能预设方法及系统 |
CN116910131A (zh) * | 2023-09-12 | 2023-10-20 | 山东省国土测绘院 | 一种基于基础地理实体数据库的联动可视化方法及系统 |
CN117493641A (zh) * | 2024-01-02 | 2024-02-02 | 中国电子科技集团公司第二十八研究所 | 一种基于语义元数据的二次模糊搜索方法 |
-
2020
- 2020-12-09 CN CN202011425544.4A patent/CN112559907A/zh active Pending
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113505127A (zh) * | 2021-06-22 | 2021-10-15 | 侍意(厦门)网络信息技术有限公司 | 对有关联性对象的数据的存储结构及方法、检索和可视化展示方法 |
CN113434483A (zh) * | 2021-06-29 | 2021-09-24 | 无锡四维时空信息科技有限公司 | 一种基于时空大数据的可视化建模方法及系统 |
CN113434483B (zh) * | 2021-06-29 | 2022-02-15 | 无锡四维时空信息科技有限公司 | 一种基于时空大数据的可视化建模方法及系统 |
CN113392115A (zh) * | 2021-08-16 | 2021-09-14 | 成都数联铭品科技有限公司 | 基于时间轴的地图关联关系数据动态位移变化方法及装置 |
CN113392115B (zh) * | 2021-08-16 | 2021-10-29 | 成都数联铭品科技有限公司 | 基于时间轴的地图关联关系数据动态位移变化方法及装置 |
CN113642902A (zh) * | 2021-08-17 | 2021-11-12 | 上海图源素数字科技有限公司 | 一种国土空间多元关联信息的处理方法 |
CN114595880A (zh) * | 2022-03-03 | 2022-06-07 | 捻果科技(深圳)有限公司 | 一种飞行区行为路线的智能预设方法及系统 |
CN114595880B (zh) * | 2022-03-03 | 2022-11-25 | 捻果科技(深圳)有限公司 | 一种飞行区行为路线的智能预设方法及系统 |
CN116910131A (zh) * | 2023-09-12 | 2023-10-20 | 山东省国土测绘院 | 一种基于基础地理实体数据库的联动可视化方法及系统 |
CN116910131B (zh) * | 2023-09-12 | 2023-12-08 | 山东省国土测绘院 | 一种基于基础地理实体数据库的联动可视化方法及系统 |
CN117493641A (zh) * | 2024-01-02 | 2024-02-02 | 中国电子科技集团公司第二十八研究所 | 一种基于语义元数据的二次模糊搜索方法 |
CN117493641B (zh) * | 2024-01-02 | 2024-03-22 | 中国电子科技集团公司第二十八研究所 | 一种基于语义元数据的二次模糊搜索方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112559907A (zh) | 基于时空标签时空关联的基础数据检索与集成展示方法 | |
Dou et al. | Knowledge graph based on domain ontology and natural language processing technology for Chinese intangible cultural heritage | |
CN106874378B (zh) | 基于规则模型的实体抽取与关系挖掘构建知识图谱的方法 | |
JP7468929B2 (ja) | 地理知識取得方法 | |
CN105183869B (zh) | 楼宇知识图谱数据库及其构建方法 | |
CN111143479B (zh) | 基于dbscan聚类算法的知识图谱关系抽取与rest服务可视化融合方法 | |
CN110472066B (zh) | 一种城市地理语义知识图谱的构建方法 | |
CN104318340B (zh) | 基于文本履历信息的信息可视化方法及智能可视分析系统 | |
CN104239513B (zh) | 一种面向领域数据的语义检索方法 | |
CN113673943B (zh) | 一种基于履历大数据的人员任免辅助决策方法及系统 | |
Huang et al. | A natural-language-based visual query approach of uncertain human trajectories | |
CN113065003A (zh) | 一种基于多指标的知识图谱生成方法 | |
Chuang et al. | Enabling maps/location searches on mobile devices: Constructing a POI database via focused crawling and information extraction | |
CN115934990B (zh) | 基于内容理解的遥感影像推荐方法 | |
CN113468320B (zh) | 地震应急信息快速可视化方法及系统 | |
CN112989811B (zh) | 一种基于BiLSTM-CRF的历史典籍阅读辅助系统及其控制方法 | |
Sheehan et al. | Learning to interpret satellite images using wikipedia | |
CN113094514A (zh) | 一种基于领域知识图谱的水务数据智能发现方法 | |
Luo et al. | Chinese address standardisation of POIs based on GRU and spatial correlation and applied in multi-source emergency events fusion | |
Farag | Intelligent event focused crawling | |
CN109710712B (zh) | 一种基于案件要素分析的犯罪热点特征挖掘方法及系统 | |
CN112148840A (zh) | 一种基于自然语言理解的税务知识中台及其构建方法 | |
c Neethu et al. | Retrieval of images using data mining techniques | |
Yang et al. | Exploration and implementation of ontology-based cultural relic knowledge map integration platform | |
Li | Data Visualization and Retrieval based Convenience Store Location Model of Fresh Products. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |