CN117332091B - 一种基于语义关系的地理实体时空知识图谱构建方法 - Google Patents
一种基于语义关系的地理实体时空知识图谱构建方法 Download PDFInfo
- Publication number
- CN117332091B CN117332091B CN202311094604.2A CN202311094604A CN117332091B CN 117332091 B CN117332091 B CN 117332091B CN 202311094604 A CN202311094604 A CN 202311094604A CN 117332091 B CN117332091 B CN 117332091B
- Authority
- CN
- China
- Prior art keywords
- local
- idi
- neural network
- representative node
- representative
- 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.)
- Active
Links
- 238000010276 construction Methods 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000013528 artificial neural network Methods 0.000 claims description 58
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 6
- 230000002123 temporal effect Effects 0.000 claims description 5
- 239000002131 composite material Substances 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 abstract description 4
- 230000004927 fusion Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/041—Abduction
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Processing Or Creating Images (AREA)
Abstract
一种基于语义关系的地理实体时空知识图谱构建方法,构建针对每一个目标实体的局部网络;构建实体三元组以构建基于局部网络的地理实体时空知识图谱;基于资源描述框架(RDF)的存储模式将获取到的三类三元组数据存储起来,建立知识库,形成知识图谱。本发明的所述方法实现了地理实体的时空类属关系全方位可视化的几何构成关系,方便、高效、直观地组织了地理区域范围内所有实体关系数据。
Description
技术领域
本发明涉及一种地理实体时空知识图谱构建方法,尤其涉及一种基于语义关系的地理实体时空知识图谱构建方法,属于地理GIS领域。
背景技术
在构建地理实体时空知识图谱时,由于用户可能关注的并不是明确的多个具体已知实体之间的实体关系形成的时空知识,而仅仅关注某一具体地理实体与其周围地理实体的时空知识,因此在考虑地理实体数据以及知识图谱的构建时,要求当任意指定某一具体实体之后要求给出与其周围相关的地理实体的关系状况。因此存在一种依据客户需求而进行的选择性实体关系存储和展示问题。
现有技术通过线性搜索关联的方法,将搜索信息给与展示,但是不能可视化的展示,也不能了解到实体的历史变迁,而仅仅从而文字上予以记载,缺乏了可视化的对比信息。因此如果能够将实体之间的各类关系予以时空上的组织,则将极大程度上提高展示知识图谱的实用性和效率。将客户最关心的地理范围内的与目标实体之间的地理关系语义可视化展示。
发明内容
基于上述考虑,我们进行如下两个方面的考虑,第一,将每一个具体目标地理实体在规定的范围内构建以具体目标地理实体为中心的辐射状神经网络的局部,第二,考虑将实体关系中不同关系类型各自独立第形成该局部,从而形成各关系类型的的同型融合。本发明的所述的当前是指所选择的目标实体。
鉴于上述考虑,本发明提供一种基于语义关系的地理实体时空知识图谱构建方法,包括如下步骤:
S1构建地上构体和地下构体的总构体模型,所述地上构体和地下构体是分别指地上和地下所有历史的目标实体的总和。例如根据需要而选择的地上所有建筑和所有道路,所有绿化,所有山脉,所有水系,所有土地类型等等目标实体的总和定义为地上构体,根据需要而选择的地下所有管道、地下建筑、地下设置等等目标实体的总和定义为地下构体。
S2对S1中的总构体模型中建立代表地上和地下的每一类目标实体的图元,并基于每一类目标实体的所述图元构建节点,并基于所述节点进一步构建针对每一个目标实体的局部3D异质图神经网络;
S3构建实体三元组以构建基于S2建构的局部3D异质图神经网络的地理实体时空知识图谱,具体是为每一个图元的所述节点设定ID标识,以ID标识赋予节点作为代表所述节点的第一代表节点,以将局部的实体之间的空间关系转化为3D异质图神经网络中的一条连接表示图元的第一代表节点的边,表示为第一三元组<IDi,空间关系,IDj>,其中IDi和IDj分别表示代表两个不同当前目标实体i和非目标实体j对应的图元节点的代表节点ID标识的集合,i和j为表示实体的数学表示符号,包括用数字和/或字母来表示,且i≠j表示当前目标实体i和非目标实体j属于不同的实体,“空间关系”表示图神经网络中的信息矩阵(即空间关系的数据存储按照矩阵方式进行),表示局部范围内,所述集合中任意目标实体和任一非目标实体之间的空间关系的集合,
在所述局部的范围内,建立每一个当前目标实体i属性的复合映射<IDi,属性项ai,属性值vi'属性值vj'>即第二三元组,简化表示成<IDi,ai,vi'vj'>,i∈所有当前目标实体的数学表示符号,ai表示属性项集合,vi'vj'表示属性项集合中所有历史(包括当前)目标实体与非目标实体属性项的属性值集合,以建立每一个当前目标实体i和非目标实体j的之间的实体的类属关系,
在所述局部的范围内,建立每一个当前目标实体i属性的复合映射<IDi,当前时间项ti,IDi'∪IDj'>即第三三元组,简化表示成<IDi,ti,IDi'∪IDj'>,ti表示当前时间项集合,IDi'∪IDj'表示当前时间项集合中对于指定的当前时间为基准的目标实体IDi和其他非目标实体合IDj历史ID并集,形成时间关系集合,且以建立每一个目标实体i与非目标实体j的时间关系,
利用<IDi,ti,IDi'∪IDj'>,将vi'、vj'赋予各对应的第一代表节点,形成第二代表节点,另外将IDi'、IDj'都赋予第一代表节点,形成多个不同时间项(包括当前)下的多组第一代表节点,由此将局部3D异质图神经网络转化成由多组第一代表节点、第二代表节点生成的历史(包括当前)多层次局部3D异质图神经网络系{IGi',IGj'},其中IGi'和IGj'分别表示所述局部的范围内,i和j的历史多层次局部3D异质图神经网络,对于任一当前时间项(无特殊说明情况下,为简单起见,这里将当前时间项集合ti中的元素也表示为ti),ti'为对应历史时间项集合,建立映射IDi'→vi',IDj'→vj',则将每一时间项下对应的第一代表节点和第二代表节点生成的两个层次的历史局部3D异质图神经网络形成了历史(包括当前)局部3D异质图神经网络偶系{IGi',ti',IGj'},从而将知识图谱所包括的空间关系,类属关系,时间关系,表示成在局部的范围内的时间关系下的几何构成关系,即历史局部3D异质图神经网络偶系
对于任一当前时间项ti,都有一对历史局部3D异质图神经网络偶{IGi,ti,IGj}={<IDi,空间关系,IDj>∪<IDi,ai,vivj>∪<IDi,ti,IDiIDj>},
S4基于资源描述框架(RDF)的存储模式将获取到的三类三元组数据存储起来,建立知识库,形成知识图谱。
由此,我们在3D异质图神经网络中以局部范围内目标实体为中心,将三类三元组进行了数据融合,形成了多层次局部3D异质图神经网络系,并且按照时间关系配对,形成了多对历史局部3D异质图神经网络偶,将实体的知识图谱进行时空组织,从而为后续的展示提供了数据基础。
S5根据S4形成的知识图谱,根据用户的选择或搜索将知识图谱以多层次局部3D异质图神经网络系,和/或至少一对历史局部3D异质图神经网络偶形式展示。
关于S2
对S1中的总构体模型中建立代表地上和地下的每一类目标实体的图元,具体包括将道路、水系网、地下管廊按照预设的命名名称各自划分为规定长度的分段,每一分段作为该道路名称下的道路、水系网、地下管廊的分图元,将建筑屋顶轮廓作为代表该建筑的图元,将林地、草地、耕地、裸地、湖面、海面、山体的轮廓作为代表这些实体的图元,将水系网中各设定的流段(例如命名的河流)作为流段分图元;将地下管线做如下分图元定义:若地下管线完全经过(即地下管线在道路所在面的垂直地面的投影完全包含于道路所在面中)道路分图元的对应地下,则管线分段形成管线分图元的规定长度等于或小于道路名称各自划分的规定长度,且管线分图元在道路分图元所在面上的投影包含于道路分图元中,若地下管线经过道路分图元的对应地下,则任意根据需要选择管线分图元的长度和划分方式。
所述基于每一类目标实体的所述图元构建节点具体包括,对于道路、水系网、地下管廊、管线,将分图元中几何中心或预选的一点作为标识点,对于建筑,将顶轮廓的几何中心或轮廓任选的两条对角线交点作为标识点,对于林地、草地、耕地、裸地、湖面、海面、山体则预选一点作为标识点,将标识点作为节点,构建局部3D异质图神经网络。
优选地,规定长度对于道路、水系网、地下管廊为50-100m,对于管线为10-100m。
关于S3
可选地,所述空间关系包括如下表1:
表1空间关系
具体的实体而言,其空间关系如图表2-表4:
表2道路、水系网空间关系
表3管线空间关系
表4建筑空间关系表
表5林地、草地、耕地、裸地、湖面、海面、山体空间关系
局部的范围内设定代表每一节点的唯一的ID标识作为第一代表节点,将第一代表节点建立属性项以及属性值,形成类属数据库,基于时间关系,以将类属数据库中的属性项下的各属性值赋予各对应的第一代表节点,形成第二代表节点,并将IDi'、IDj'都赋予第一代表节点,形成多个不同时间项下的多组第一代表节点。
应当理解的事,第一代表节点、第二代表节点实质上是在总构体模型忠实重合的,都是基于所述节点而派生成的。
可选地,所述属性项包括节点在地理坐标系中的坐标、包括等级关系、逻辑关系、等同关系、层级关系的类属关系、时间关系,以及其他扩展关系。
优选地,所述ID标识为所述坐标,由此以被赋予坐标的节点为第一代表节点。
优选地,所述局部包括以目标实体为中心的100m-5km的半径圆域范围。
可选地,包括等级关系、逻辑关系、等同关系、层级关系的类属关系、时间关系,以及其他扩展关系表示如下表6
表6
由此通过第一和第二代表节点,形成了具有空间位置的节点,从而形成一种新的节点具有具体空间位置分布的以代表目标实体的第一代表节点为中心的局部异质图神经网络系。连接第一、第二代表节点之间的边,通过实体关系就能表示出各实体的图元、类属、时间关系,进而表示各实体知识图谱。
关于S5
S5具体包括如下步骤:
S5-1在总构体模型上分别选择或搜索至少一个目标实体对应的所述图元对应的目标节点;
S5-2根据目标节点在所述局部的范围内部展示至少部分第一代表节点,和第二代表节点,以及代表所选择或搜索的所述图元的第一代表节点和第二代表节点分别与该局部范围内代表其他非目标实体的第一代表节点和第二代表节点之间的边;
S5-3根据第一代表节点,和第二代表节点及其之间的边,以及用户任选的时间项,包括时间点和时间范围,根据用户的请求而展示:
局部范围内多层次局部3D异质图神经网络系{IGi',IGj'}(后文简称局部网络系),多个历史(包括当前)局部3D异质图神经网络偶系{IGi',ti',IGj'},
历史局部3D异质图神经网络偶系(后文简称局部网络偶系)
一对历史局部3D异质图神经网络偶(后文简称局部网络偶){IGi,ti,IGj}={<IDi,空间关系,IDj>∪<IDi,ai,vivj>∪<IDi,ti,IDiIDj>},中至少一者,且展示时高亮出关系所涉及的边,或高亮出关系所涉及的边而隐藏用户未经选择或未经搜索得到的其他边。
可选地,用户可以根据需要而显示隐藏的边,并进一步请求展示显示出的边的中任一第一和/或第二阶段节点对应的空间关系、类属关系。
可选地,用户通过在多层次局部3D异质图神经网络系或多个历史(包括当前)局部3D异质图神经网络偶系中分别选择多个局部3D异质图神经网络或局部3D异质图神经网络偶,以查看所选的3D异质图神经网络之间的时间关系。
可选地,所述选择为鼠标点击,触屏触摸,或者圈出,步骤S5-2中展示的各第一代表节点,和第二代表节点机器之间的边是基于用户的所述选择或者搜索,且所述选择同样为鼠标点击,触屏触摸,或者圈出中任一者。
有益效果
将空间关系、类属关系、时间关系,以及用户可扩展的关系所表示的数据,形成在以用户指定目标实体为中心的局部3D异质图神经网络偶系中,以资源描述框架得以存储,实现了地理实体的时空类属关系全方位可视化的几何构成关系,方便、高效、直观地组织了地理区域范围内所有实体关系数据。
附图说明
图1本发明实施例1的基于语义关系的地理实体时空知识图谱构建方法流程图,
图2示例性给出了实施例2的道路、地下管廊、电缆、水管的分图元的定义方式,以及分图元对应的节点和建筑节点的定义方式,
图3多层次局部3D异质图神经网络系{IGi',IGj'}构建流程图,
图4一地理区域的高光谱图像维局部,
图5{IGi',IGj'}和{IGi',ti',IGj'}展示操作的用户界面示意图,
具体实施方式
如图1所示,基于语义关系的地理实体时空知识图谱构建方法,包括如下步骤:
S1构建地上构体和地下构体的总构体模型,所述地上构体和地下构体是分别指地上和地下所有历史的目标实体的总和;
S2对S1中的总构体模型中建立代表地上和地下的每一类目标实体的图元,并基于每一类目标实体的所述图元构建节点,并基于所述节点进一步构建针对每一个目标实体的局部3D异质图神经网络;
S3构建实体三元组以构建基于S2建构的局部3D异质图神经网络(后文简称为局部网络)的地理实体时空知识图谱;
S4基于资源描述框架(RDF)的存储模式将获取到的三类三元组数据存储起来,建立知识库,形成知识图谱;
S5根据S4形成的知识图谱,根据用户的选择或搜索将知识图谱以至少一对历史局部3D异质图神经网络偶形式展示。
S2包括如下步骤。
如图2所示,先在一段地上地下路段为示例性描述,在地上以100m为规定长度,限定道路分图元、管廊分图元、电缆分图元,以及水管分图元(如果监测装置在100m的边界处,则归入横坐标大的一端)。以各分图元几何中心为节点,而对于建筑则如图2顶轮廓对角线交点作为节点。
如图3所示,对于任一选择定的目标实体的目标节点,以其在地理坐标系中的坐标作为ID标识赋予,形成第一代表节点,以构建地上地下局部网络(实际图3示出的是在局部范围内的局部网络的局部),如图4,为一地理区域的高光谱图像维局部,其中以一处代表的城市绿地作为目标实体,其中的预选一点o点作为表示其的第一代表节点,以此o点为圆心,在设定的半径内(<5km),圈出了局部范围,其中再圈出A-H的区域,A为河流主干,B为城市公路,C为跨湖桥梁,D为支流,E为公寓区域,F为城市绿化,G为耕地,H为城市空地。对于这些圈出区域内部,如果存在多个实体的代表节点,如E中多个建筑的存在的多个第一代表节点,则可以鼠标点击这些第一代表节点,包括其他圈出区域中的第一代表节点。
图3中给出了圈出区域A-H的地上地下局部3D异质图神经网络分别展示为垂直俯视角度和侧视角度。并给出部分连接圈出区域中各第一代表节点的连接的边,为了将各边显示清楚,此处的边没有完全采用直线段连接,也没有表示出双箭头(用于表示边两段的第一代表节点所表示的实体之间的实体关系)。若图3中地下的第一第二节点与地上的相应第一第二节点之间对应实体存在于同一个局部范围内,则同样在这些代表节点之间存在连接的边,图3中并未对此示出。
以表1-表6作为实体关系细分项,获取相应细分下局部范围内的数据,建立目标实体o与局部范围内各其他实体之间的实体关系,即建立<IDi,空间关系,IDj>、<IDi,ai,vi'vj'>、<IDi,ti,IDi'∪IDj'>三类表示空间关系、类属关系、时间关系的三元组,利用<IDi,ti,IDi'∪IDj'>将IDi'、IDj'都赋予第一代表节点,形成多个不同时间项下的多组第一代表节点。利用<IDi,ai,vi'vj'>将vi'、vj'赋予各对应的第一代表节点,形成第二代表节点,同样利用<IDi,ti,IDi'∪IDj'>,多层次局部3D异质图神经网络系{IGi',IGj'}。注意对于当前时间项ti,依照用户的选择而确定,如图3所示,当选择中间局部网络时,则时间方向箭头往后的历史1所有局部网络都为历史局部网络,当ti选择为端部为例(即当前实时时间),同理所有时间序列历史2的局部网络都为历史局部网络。ti可以是用户选择时的实时时间,也可以是任意选择的当前选择时间项。
如图5所示,在图3中展开的空间关系和类属关系时间序列基础上,通过对应时间项的融合,形成一对局部网络偶,从而形成局部网络偶系{IGi',ti',IGj'}。其中i'表示本实施例中目标节点o的历史编号,j'表示图4中局部范围内的圈出的各A-H区域内所有第一第二代表节点的历史编号。
根据上述的三元组、局部网络系、局部网络偶系,和局部网络偶的构建方式,采用资源描述框架(RDF)的存储模式将获取到的三类三元组数据存储起来,从而建立知识库,形成知识图谱。
具体地,可以在用户终端,如PC、智能手机、平板电脑、便携电脑等上采用选择、搜索时间序列,以如图3类似的方式展开或者折叠局部网络系,以供用户选择进行时间配对,形成至少一对局部网络偶。图5中给出了其中三对局部网络偶的配对,以在局部网络偶系{IGi',ti',IGj'}中指向的存在的位置。用户基于但不限于图5中的布局,能够对各局部网络系、局部网络偶系,和局部网络偶进行3D展示的查看,包括平移和/或旋转。并且在点击第一第二代表节点时能够弹出菜单,用于查看具体的空间关系、类属关系、时间关系的数据。
一个实施例可以是,仍以目标节点o为例,对于局部范围内圈出的A-H区域,对局部网络系中的局部网络进行直接鼠标右键单击,而弹出空间关系、类属关系菜单(图5中未示出),以供进一步选择具体关系项以查看其下的值(数据),并高亮出关系所涉及的边,也即图5中各局部网络不是所有的边都会高亮显示,对于其他未选择的实体目标,其周围的于选择目标节点之间的边之外的边则都会被隐藏。
另一个实施例可以是,当双击局部网络系中的局部网络,不论是选择双击空间关系的局部网络系,还是双击类属关系的局部网络系中的某一感兴趣的时间项下的局部网络,就会将相应时间项下的另一关系的局部网络进行融合而搜索到局部网络偶系中的相应的一对局部网络偶。用户接着就能够在该对局部网络偶中进一步鼠标右键单击任意A-H区域,以弹出相应区域中的空间关系、类属关系菜单(图5中未示出),以供进一步选择具体关系项以查看其下的值(数据),并仅高亮出关系所涉及的边。当然,在该实施例下,在融合形成局部网络偶之后,用户仍然能够按照前一个实施例,在局部网络系中进行展示和查看数据的操作。
第三个实施例,可以是实现上述两个实施例的前提下,用户额外通过在局部网络系、局部网络偶系中选择多个局部网络,以查看多个局部网络之间的时间关系。如图5所示,在空间关系的局部网络系中,或类属关系的局部网络系中选择多个局部网络,或局部网络偶系中选择融合的局部网络偶,就能通过鼠标点击功能选项,如功能标签栏中的按钮,或者右键弹出功能菜单中选择相应查看按钮(图5未示出),以查看时间关系。
Claims (14)
1.一种基于语义关系的地理实体时空知识图谱构建方法,其特征在于,包括如下步骤:
S1构建地上构体和地下构体的总构体模型,所述地上构体和地下构体是分别指地上和地下所有历史的目标实体的总和;
S2对S1中的总构体模型中建立代表地上和地下的每一类目标实体的图元,并基于每一类目标实体的所述图元构建节点,并基于所述节点进一步构建针对每一个目标实体的局部3D异质图神经网络;
S3构建实体三元组以构建基于S2建构的局部3D异质图神经网络的地理实体时空知识图谱,具体是为每一个图元的所述节点设定ID标识,以ID标识赋予节点作为代表所述节点的第一代表节点,以将局部的实体之间的空间关系转化为3D异质图神经网络中的一条连接表示图元的第一代表节点的边,表示为第一三元组<IDi,空间关系,IDj>,其中IDi和IDj分别表示代表两个不同当前目标实体i和非目标实体j对应的图元节点的代表节点ID标识的集合,i和j为表示实体的数学表示符号,包括用数字和/或字母来表示,且i≠j表示当前目标实体i和非目标实体j属于不同的实体,“空间关系”表示图神经网络中的信息矩阵,表示局部范围内,所述集合中任意目标实体和任一非目标实体之间的空间关系的集合,
在所述局部的范围内,建立每一个当前目标实体i属性的复合映射<IDi,属性项ai,属性值vi'属性值vj'>即第二三元组,简化表示成<IDi,ai,vi'vj'>,i∈所有当前目标实体的数学表示符号,ai表示属性项集合,vi'vj'表示属性项集合中所有历史目标实体与非目标实体的属性值集合,以建立每一个当前目标实体i和非目标实体j的之间的实体的类属关系,
在所述局部的范围内,建立每一个当前目标实体i属性的复合映射<IDi,当前时间项ti,IDi'∪IDj'>即第三三元组,简化表示成<IDi,ti,IDi'∪IDj'>,ti表示当前时间项集合,IDi'∪IDj'表示当前时间项集合中对于指定的当前时间为基准的目标实体IDi和其他非目标实体合IDj历史ID并集,形成时间关系集合,且以建立每一个目标实体i与非目标实体j的时间关系,
利用<IDi,ti,IDi'∪IDj'>,将vi'、vj'赋予各对应的第一代表节点,形成第二代表节点,另外将IDi'、IDj'都赋予第一代表节点,形成多个不同时间项下的多组第一代表节点,由此将局部3D异质图神经网络转化成由多组第一代表节点、第二代表节点生成的历史多层次局部3D异质图神经网络系{IGi',IGj'},其中IGi'和IGj'分别表示所述局部的范围内,i和j的历史多层次局部3D异质图神经网络,对于任一当前时间项ti'为对应历史时间项集合,建立映射IDi'→vi',IDj'→vj',则将每一时间项下对应的第一代表节点和第二代表节点生成的两个层次的历史局部3D异质图神经网络形成了历史局部3D异质图神经网络偶系{IGi',ti',IGj'},从而将知识图谱所包括的空间关系,类属关系,时间关系,表示成在局部的范围内的时间关系下的几何构成关系,即历史局部3D异质图神经网络偶系对于任一当前时间项ti,都有一对历史局部3D异质图神经网络偶{IGi,ti,IGj}={<IDi,空间关系,IDj>∪<IDi,ai,vivj>∪<IDi,ti,IDi∪IDj>},/>
S4基于资源描述框架(RDF)的存储模式将获取到的三类三元组数据存储起来,建立知识库,形成知识图谱;
S5根据S4形成的知识图谱,根据用户的选择或搜索将知识图谱以多层次局部3D异质图神经网络系,和/或至少一对历史局部3D异质图神经网络偶形式展示。
2.根据权利要求1所述的方法,其特征在于,对S1中的总构体模型中建立代表地上和地下的每一类目标实体的图元,具体包括将道路、水系网、地下管廊按照预设的命名名称各自划分为规定长度的分段,每一分段作为该道路名称下的道路、水系网、地下管廊的分图元,将建筑屋顶轮廓作为代表该建筑的图元,将林地、草地、耕地、裸地、湖面、海面、山体的轮廓作为代表这些实体的图元,将水系网中各设定的流段作为流段分图元;将地下管线做如下分图元定义:若地下管线完全经过道路分图元的对应地下,则管线分段形成管线分图元的规定长度等于或小于道路名称各自划分的规定长度,且管线分图元在道路分图元所在面上的投影包含于道路分图元中,若地下管线经过道路分图元的对应地下,则任意根据需要选择管线分图元的长度和划分方式;
所述基于每一类目标实体的所述图元构建节点具体包括,对于道路、水系网、地下管廊、管线,将分图元中几何中心或预选的一点作为标识点,对于建筑,将顶轮廓的几何中心或轮廓任选的两条对角线交点作为标识点,对于林地、草地、耕地、裸地、湖面、海面、山体则预选一点作为标识点,将标识点作为节点,构建局部3D异质图神经网络。
3.根据权利要求2所述的方法,其特征在于,规定长度对于道路、水系网、地下管廊为50-100m,对于管线为10-100m。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述空间关系包括如下表1:
表1空间关系
5.根据权利要求4所述的方法,其特征在于,具体的实体而言,其空间关系如表2-表4:
表2道路、水系网空间关系
表3管线空间关系
表4建筑空间关系表
表5林地、草地、耕地、裸地、湖面、海面、山体空间关系
6.根据权利要求4或5所述的方法,其特征在于,包括等级关系、逻辑关系、等同关系、层级关系的类属关系、时间关系,以及其他扩展关系表示如下表6
表6
7.根据权利要求6所述的方法,其特征在于,局部的范围内设定代表每一节点的唯一的ID标识作为第一代表节点,将第一代表节点建立属性项以及属性值,形成类属数据库,基于时间关系,以将类属数据库中的属性项下的各属性值赋予各对应的第一代表节点,形成第二代表节点,并将IDi'、IDj'都赋予第一代表节点,形成多个不同时间项下的多组第一代表节点。
8.根据权利要求7所述的方法,其特征在于,所述属性项包括节点在地理坐标系中的坐标、包括等级关系、逻辑关系、等同关系、层级关系的类属关系、时间关系,以及其他扩展关系。
9.根据权利要求8所述的方法,其特征在于,所述ID标识为所述坐标,由此以被赋予坐标的节点为第一代表节点。
10.根据权利要求1-3、7-9中任一项所述的方法,其特征在于,所述局部包括以目标实体为中心的100m-5km的半径圆域范围。
11.根据权利要求10所述的方法,其特征在于,S5具体包括如下步骤:
S5-1在总构体模型上分别选择或搜索至少一个目标实体对应的所述图元对应的目标节点;
S5-2根据目标节点在所述局部的范围内部展示至少部分第一代表节点,和第二代表节点,以及代表所选择或搜索的所述图元的第一代表节点和第二代表节点分别与该局部范围内代表其他非目标实体的第一代表节点和第二代表节点之间的边;
S5-3根据第一代表节点,和第二代表节点及其之间的边,以及用户任选的时间项,包括时间点和时间范围,根据用户的请求而展示:
局部范围内多层次局部3D异质图神经网络系{IGi',IGj'},
多个历史局部3D异质图神经网络偶系{IGi',ti',IGj'},
历史局部3D异质图神经网络偶系
一对历史局部3D异质图神经网络偶{IGi,ti,IGj}={<IDi,空间关系,IDj>∪<IDi,ai,vivj>∪<IDi,ti,IDi∪IDj>},中至少一者,且展示时高亮出关系所涉及的边,或高亮出关系所涉及的边而隐藏用户未经选择或未经搜索得到的其他边。
12.根据权利要求11所述的方法,其特征在于,用户可以根据需要而显示隐藏的边,并进一步请求展示显示出的边的中任一第一和/或第二阶段节点对应的空间关系、类属关系。
13.根据权利要求11或12所述的方法,其特征在于,用户通过在多层次局部3D异质图神经网络系或多个历史局部3D异质图神经网络偶系中分别选择多个局部3D异质图神经网络或局部3D异质图神经网络偶,以查看所选的3D异质图神经网络之间的时间关系。
14.根据权利要求13所述的方法,其特征在于,所述选择为鼠标点击,触屏触摸,或者圈出,步骤S5-2中展示的各第一代表节点,和第二代表节点机器之间的边是基于用户的所述选择或者搜索,且所述选择同样为鼠标点击,触屏触摸,或者圈出中任一者。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311094604.2A CN117332091B (zh) | 2023-08-29 | 2023-08-29 | 一种基于语义关系的地理实体时空知识图谱构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311094604.2A CN117332091B (zh) | 2023-08-29 | 2023-08-29 | 一种基于语义关系的地理实体时空知识图谱构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117332091A CN117332091A (zh) | 2024-01-02 |
CN117332091B true CN117332091B (zh) | 2024-03-29 |
Family
ID=89281873
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311094604.2A Active CN117332091B (zh) | 2023-08-29 | 2023-08-29 | 一种基于语义关系的地理实体时空知识图谱构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117332091B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210040003A (ko) * | 2020-03-30 | 2021-04-12 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 지식 그래프의 생성 방법, 관계 마이닝 방법, 장치, 기기 및 매체 |
CN113065000A (zh) * | 2021-03-29 | 2021-07-02 | 泰瑞数创科技(北京)有限公司 | 一种基于地理实体的多源异构数据融合方法 |
CN113297395A (zh) * | 2021-07-08 | 2021-08-24 | 中国人民解放军国防科技大学 | 时空多模态混合数据处理方法、关联方法与索引方法 |
CN113486136A (zh) * | 2021-08-04 | 2021-10-08 | 泰瑞数创科技(北京)有限公司 | 一种地理实体服务按需组装的方法及系统 |
WO2022088526A1 (zh) * | 2020-10-30 | 2022-05-05 | 南京师范大学 | 地理知识获取方法 |
CN115269751A (zh) * | 2022-05-10 | 2022-11-01 | 泰瑞数创科技(北京)股份有限公司 | 地理实体时空知识图谱本体库构建方法 |
CN115577519A (zh) * | 2022-09-30 | 2023-01-06 | 郑州信大先进技术研究院 | 基于本体和知识图谱的双层次多重时空耦合建模方法 |
CN116050429A (zh) * | 2023-04-03 | 2023-05-02 | 中国电子科技集团公司第十五研究所 | 基于多模态数据关联的地理环境实体构建系统及方法 |
CN116069953A (zh) * | 2023-03-06 | 2023-05-05 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 一种基于知识图谱叠加时空属性的mdata知识表示方法 |
CN116108205A (zh) * | 2023-03-23 | 2023-05-12 | 北斗伏羲中科数码合肥有限公司 | 空间关系的知识图谱数据模型构建方法、装置及查询方法 |
CN116167440A (zh) * | 2023-04-26 | 2023-05-26 | 北京大学 | 基于网格时空知识图谱的时空知识规则判定方法及相关设备 |
-
2023
- 2023-08-29 CN CN202311094604.2A patent/CN117332091B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210040003A (ko) * | 2020-03-30 | 2021-04-12 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 지식 그래프의 생성 방법, 관계 마이닝 방법, 장치, 기기 및 매체 |
WO2022088526A1 (zh) * | 2020-10-30 | 2022-05-05 | 南京师范大学 | 地理知识获取方法 |
CN113065000A (zh) * | 2021-03-29 | 2021-07-02 | 泰瑞数创科技(北京)有限公司 | 一种基于地理实体的多源异构数据融合方法 |
CN113297395A (zh) * | 2021-07-08 | 2021-08-24 | 中国人民解放军国防科技大学 | 时空多模态混合数据处理方法、关联方法与索引方法 |
CN113486136A (zh) * | 2021-08-04 | 2021-10-08 | 泰瑞数创科技(北京)有限公司 | 一种地理实体服务按需组装的方法及系统 |
CN115269751A (zh) * | 2022-05-10 | 2022-11-01 | 泰瑞数创科技(北京)股份有限公司 | 地理实体时空知识图谱本体库构建方法 |
CN115577519A (zh) * | 2022-09-30 | 2023-01-06 | 郑州信大先进技术研究院 | 基于本体和知识图谱的双层次多重时空耦合建模方法 |
CN116069953A (zh) * | 2023-03-06 | 2023-05-05 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 一种基于知识图谱叠加时空属性的mdata知识表示方法 |
CN116108205A (zh) * | 2023-03-23 | 2023-05-12 | 北斗伏羲中科数码合肥有限公司 | 空间关系的知识图谱数据模型构建方法、装置及查询方法 |
CN116050429A (zh) * | 2023-04-03 | 2023-05-02 | 中国电子科技集团公司第十五研究所 | 基于多模态数据关联的地理环境实体构建系统及方法 |
CN116167440A (zh) * | 2023-04-26 | 2023-05-26 | 北京大学 | 基于网格时空知识图谱的时空知识规则判定方法及相关设备 |
Non-Patent Citations (1)
Title |
---|
知识图谱驱动的广东省自然资源大数据挖掘模型构建框架;孟蕾;王国峰;;测绘与空间地理信息;20200625(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117332091A (zh) | 2024-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115269751B (zh) | 地理实体时空知识图谱本体库构建方法 | |
Zhou et al. | Edge bundling in information visualization | |
US9465513B2 (en) | Visual representation of map navigation history | |
Guney et al. | Tailoring a geomodel for analyzing an urban skyline | |
JP6602774B2 (ja) | ジオフェンスのプロビジョニングのための方法および装置 | |
CN112988946B (zh) | 一种地理实体数据库用户定制化方法 | |
CN106294883A (zh) | 基于用户行为数据对用户行为图上分析的方法和系统 | |
CN108572951B (zh) | 一种基于地理信息的制图数据三维显示系统 | |
CN111708778B (zh) | 一种大数据管理的方法与系统 | |
CN110516004A (zh) | 兼顾信息全局特征和局部层次结构的可视化方法和系统 | |
CN113885698A (zh) | 一种地下管线信息化管控系统 | |
US10067950B1 (en) | Systems and methods for efficiently organizing map styling information | |
CN113361786A (zh) | 融合多源多维异构大数据的电力线路智能规划方法 | |
Sun et al. | TZVis: Visual analysis of bicycle data for traffic zone division | |
Yu et al. | A hybrid system of expanding 2D GIS into 3D space | |
CN117332091B (zh) | 一种基于语义关系的地理实体时空知识图谱构建方法 | |
US8250480B2 (en) | Interactive navigation of a dataflow process image | |
CN117112711A (zh) | 一种实景三维地理信息系统及实现方法 | |
Pun-Cheng et al. | Exploring utility system SDI–Managerial and technical perspectives | |
Murase et al. | On-demand generalization of guide maps with road networks and category-based web search results | |
CN117332120B (zh) | 一种基于空间计算的地理实体关系构建及表达方法 | |
CN113626551A (zh) | 一种基于gis的应用地质要素的查询展示方法 | |
CN115048473A (zh) | 城市信息模型人工智能服务方法及系统 | |
Wu et al. | M3: visual exploration of spatial relationships between flight trajectories | |
Ye et al. | Research and implement of traffic accident analysis system based on accident black spot |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |