首页|基于机器学习的地理空间数据抽取算法

基于机器学习的地理空间数据抽取算法

Geospatial data extraction algorithm based on machine learning

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
为提高地理空间数据集成抽取的查准率和查全率,提出了基于机器学习的地理空间数据抽取算法.以GeoNames、OpenStreetMap等作为地理信息数据源,通过网络爬虫以及搜索引擎检索同时下载有关网页,并对内容进行过滤,过滤后对网页中的地点名称及地址信息等数据进行解析抽取,实现其可视化.分析抽取得到的地理数据实体,利用地理数据与实体之间的映射,将异构地理数据的歧义消除,实现地理空间数据一体化,并依据实体名称、类别等多特征相似程度计算,实现地理数据特征数字化.结合多特征、机器学习KNN分类法完成地理数据链接自动化,实现地理空间数据的分类抽取.通过实验对本文算法进行验证,结果表明:本文算法具有较高的查准率和查全率,数据抽取效果良好,可为地理数据集成提取奠定基础.

朱小龙、谢忠

展开 >

中国地质大学(武汉)地理与信息工程学院,武汉 430074

长江大学 地球科学学院,武汉 430100

计算机应用 机器学习 地理空间数据 抽取算法

国家自然科学基金

41671400

2021

10.13229/j.cnki.jdxbgxb20200113

吉林大学学报(工学版)
吉林大学

吉林大学学报(工学版)

CSTPCDCSCD北大核心
影响因子：0.792
ISSN：1671-5497
年,卷(期)：2021.51(3)
  • 17