线面目标自然语言空间关系集成表达与描述方法研究

提出了一种基于自然语言的线/面目标空间关系集成表达方法。首先,将线目标进行细化分解得到n个特征点和n-1条特征线,根据自然语言的描述习惯分别针对每个特征点和特征线建立线与面目标之间的空间关系,然后按照自然语言以线目标的走向为顺序对线面间空间关系进行描述的规则,对拓扑、方向、度量关系进行集成描述。实验验证了本文方法的可行性。     

地球空间网格编码技术分析

地球空间网格是将地球空间区域剖分成不同尺度单元的空间参考系统。网格编码利用地理空间位置的结构化索引表达技术,将代码分配给地球空间网格系统的每个网格单元,实现网格位置的统一标识。对照统一规则递归剖分形成的多层次、多分辨率全球的地球空间网格系统编码的要求,本文在分析当前地球空间索引标识技术方法的基础上,探讨地球空间网格编码方案,以实现地球空间网格单元的统一标识,并可通过代码描述网格单元空间位置,反映网格单元间的空间关系。     

地图符号的认知语义分析与动态生成

面向位置服务背景下地图符号按需和动态表达的需求,提出了一种基于认知语义分析的地图符号结构化描述模型,以及建立在此基础上的地图符号动态生成方法。结构化描述模型立足"现实—认知—符号"的认知语义原理,以地图符号语素为基本单元、以语义结构为描述框架,侧重描写符号图形和语义之间的关联映射机制。动态生成方法的核心是一种规则控制语素组合构造符号的上下文无关文法模型,通过对图形语素、形态结构语素以及符号生成规则系统进行建模,重构了地图符号动态生成的文法编译器。以个性化导航路径符号为例,通过面向不同情境和语义结构的符号动态生成试验,验证了本文方法的可行性。本文研究将有助于进一步理解地图符号的认知和结构原理,并促进相关行业和应用领域地图符号化的按需和动态表达的水平。     

关于线状地理特征空间关系的自然语言描述的形式化表达

目前的地理信息系统都使用定量的方法存储和查询空间信息,不能反映人们的定性思维方式,因此它表达地理空间信息的能力受到限制。在关于空间关系的自然语言描述的调查的基础上,本文定义了一组能反映线状物体空间关系的度量指标,结合反映拓扑关系的定量指标,使用决策树的数据挖掘算法,对调查结果进行分析,形式化了描述空间关系的自然语言词汇,建立了模糊的自然语言表达和图形的几何特征之间的联系。自然语言形式化后得到的规则可用于空间关系的自然语言查询系统。     

空间认知驱动的自适应路径引导

为了生成符合人们认知习惯、反映用户空间知识并易于利用自然语言表达的路径引导, 提出了一个将路径抽象为一系列结构统一、具有时序性和多粒度性且可以被加工为指导用户沿路径前进的短语或句子的指示单元的表达框架,并说明了利用环境结构、路径特征、先验知识等上下文因素生成多粒度的指示单元, 从中选择最合适的指示单元, 进而实现自适应路径引导的方法。通过与传统的采用“Distance-to-Turn”模式的路径引导进行对比可以发现, 基于空间认知的自适应路径引导更加符合人们描述路径的方式, 能够降低用户的认知压力并提高导航的效率。     

利用自然语言空间关系的空间查询方法研究

首先,从空间认知语言学的角度研究了空间关系自然语言描述中谓词、量词等的分类方法;然后,在分析空间查询语言特点的基础上建立了自然语言空间查询的4类句法模式;最后,设计了一个基于自然语言空间关系的空间查询系统框架,并进行了初步实现。     

一种规则化自然语言位置估算方法

位置信息是位置信息服务的前提和基础,位置信息的转换对统一位置信息描述和信息之间的空间联系具有重要的意义.针对估算规则化自然语言位置的空间位置的问题,首先分析了规则化自然语言位置的特征和内涵,总结出其结构化的表达形式;然后提出了一种规则化自然语言位置估算方法.     

LBS中多尺度空间方位的自然语言描述

位置服务是地理信息系统（GIS）应用的重要领域,GIS提供关于空间位置的坐标描述,但这不符合人们的认知和日常习惯。地理空间中人们日常的交流通常使用方位描述。基于自然语言的空间方位的描述对移动目标（如驾驶员）是十分重要的,通过规范的地点描述语言进行快速的地理定位,可提高人的空间反应和处理能力。本文依据人的多尺度空间认知,分析空间参考和定位习惯,结合自然语言描述知识,利用GIS分析功能,给出多尺度环境下空间方位的自然语言描述。     

中文文本的地理命名实体标注

通过文本中地理信息的语义解析,可以帮助人们深入理解空间认知和空间语言的表达规律,解决自然语言与地理信息系统（GIS）之间的语义障碍问题,提升GIS空间查询、空间推理、地理信息检索和地理信息服务的智能化水平。制定标注体系和建立标注语料库,能够发现自然语言中地理信息描述的语言结构,建立它们的元数据。本文在分析中文文本和GIS中地理实体描述和表达机制差异的基础上,结合地理命名实体描述的语言特点,制定了中文文本的地理命名实体标注体系和标注规范,并以GATE（General Architecture for Text Engineering）作为标注平台,构建了基于《中国大百科全书中国地理》（简称“GeoCorpus”）的大规模标注语料库,较为有效地解决了当前相关标准和规模化标准数据匮乏的问题。     

自然语言理解的中文地址匹配算法

地址匹配算法是位置服务的核心关键技术,具有广泛应用前景。在分析现有三类主要的中文地址匹配算法——要素层级匹配法、全文检索法、正则表达式法的基础上,本文提出了基于自然语言理解的中文地址匹配算法。在这个新算法中,建立了空间关系地址模型以解决中文地址抽象问题、地址库逻辑模型以解决地址信息的空间知识表达问题。新算法的完整流程包括 “预处理”、“地址解析”、“地址要素标准化”、“推理匹配”和“匹配登记”等五个环节,本文重点阐述了“地址解析”和“推理匹配”这两个重要环节,分别依据“自然语言理解”中的“中文分词”和“语义推理”原理,对用非结构化的中文自然语言来描述的中文地址进行处理,实现自然语言理解方法与地址匹配之间的结合,从而建立完整的基于自然语言理解的中文地址匹配算法。为验证该算法,开发了“中文地址智能匹配实验系统”,对河南省濮阳市人口库1000条居民地址数据进行匹配,匹配率达到了95%,准确率高于93%。     

基于面向对象知识表达的空间推理决策及应用

提出了一种基于面向对象知识表达的空间推理决策方法 ,该方法扩展了常规的GIS空间分析功能 ,使其建立在GIS空间分析与领域知识基础上。认为GIS空间分析与领域知识利用的结合需要建立统一的知识表达概念模型 ,通过将常规决策知识设计为决策知识类 ,将决策事实作为事实知识类处理 ,并由知识类的消息机制进行内部通讯 ,实现空间推理决策的智能化。在进行领域知识分析与知识分类的基础上 ,给出了领域知识类的层次结构组织图和知识类定义以及决策知识及事实知识的面向对象表达 ,最后给出了空间知识类的形成及空间推理决策过程。方法的实用性在实践中得到验证     

空间信息的自然语言表达模型

目的 空间信息的自然语言表达是一个横跨空间信息科学和语言学的交叉研究。以空间信息作为研究对象,立足语言学提供方法论,从语用、语义和句法三个独特视角剖析其结构特征,提出完整的自然语言表达模型。从语用视角,分析可视化地图表达和自然语言表达的不同语境特征及其互补性;从语义视角,分别分析并建立空间信息的空间、属性和空间关系等三大特征到自然语言中的方位词、词汇(名词或形容词)和短语的映射关系,之后归纳形成空间场景到句群的映射思路;从语法视角,分析并构建空间方位(位置、距离和方向)和拓扑关系的计算规则。

     

顾及语义知识的地理空间数据快速检索

大数据时代地理空间资源不断增多,但现有通用知识库较少考虑地理空间数据蕴含的语义知识,难以实现数据的快速检索.因此亟需引入本体技术,以蕴含的语义知识为基础,提高地理空间数据访问速度,精确获取用户所需信息.以本体为基础,提出了顾及地理空间数据语义知识的快速检索方法.首先,基于通名编码规则、地理空间数据和开源百度百科数据构建...     

NeuroSPE: A neuro-net spatial relation extractor for natural language text fusing gazetteers and pretrained models

Spatial relations are frequently described and used in natural language texts, and relations play a core role in a range of applications—from supporting geographic information retrieval in natural language texts to locating people and objects in natural disaster response situations. In this article, we present a neuro-net spatial extraction model (NeuroSPE) designed to address various language irregularities (i.e., a variety of sentence structures) that occur in natural language texts. We also propose a two-stage workflow to generate a training dataset based on a collection of words and their associated frequencies. The first stage of the proposed workflow focuses on processing the words in the input data and their associated frequencies; then, the words are segmented into a set of groups and used to accelerate model training. The second stage automatically generates a variety of sentences that include two geographic entities and related spatial relation terms through deep learning iteration based on a unigram language model. We evaluate our method both qualitatively and quantitatively using a real dataset. The experimental results demonstrate that the proposed two-stage workflow effectively extracts spatial relations from natural language texts and outperforms other current state-of-the-art approaches.     

基于自然语言路径描述的地图空间认知研究

路径描述是日常生活中常见的地理空间信息应用方式,涉及到自然语言与地图语言的表达及转换关系。本文采用认知实验的方法,对自然语言的路径描述及其认知过程进行分析,研究了路径认知与表达上所涉及的空间关系,总结了利用自然语言表达地图空间信息的规律和习惯用法。     

土地管理空间数据知识与规则体系框架研究

通过对空间数据知识的介绍和规则归类,研究土地管理空间数据知识与规则体系框架模型,为解决土地管理空间数据的共享、应用探索可行途径。借鉴知识工程的基于领域知识解决数据共享、软件重用等问题的理论与方法,采取比较研究的方法,对比研究GIS一般领域和土地管理领域的知识与规则的相关理论。提出新的空间数据分类方法以及空间数据知识和规则体系的一般框架和挖掘路线,建立一个新的土地管理空间知识体系框架。     

基于粗规则对象空间信息表的最小规则集生成

提出了粗规则对象空间信息表的概念、相关概念和性质，并给出实现粗规则最小化算法。基于此，编写了相应的计算机程序，并对一个地理信息系统实例规则进行了研究。实例表明运行可靠、结果正确，可应用于智能决策信息系统的知识库优化。     

GIS线目标间空间关系的集成表达方法

GIS中的线目标可以表达现实中一类广泛存在的空间实体,如地铁线、管线、道路以及河流等。以线目标为研究对象,基于分解与组合的思想,提出一种线／线目标空间关系的集成表达方法。在整体上,将空间关系分解为拓扑、方向和距离关系3种,并以拓扑关系描述作为方向和距离信息的载体,通过纳入局部的方向关系和距离关系,来集成表达两个线目标间的各种类型空间关系信息。其中在线目标间拓扑关系、方向关系和距离关系描述时,分别将它们分解为一组局部关系（或基本关系）,并通过对拓扑关系建立一定的排列顺序来进行描述。最后,通过一个简单例子说明本文提出的方法与Clementini和Di Felice（1998）的不同。以及本文方法对表达各种空间关系信息的可行性。     

Fields as a framework for integrating GIS and environmental process models. Part 2: Specifying field variables

In Part 1 of this paper, the concept of a field variable was described. In Part 2, the way in which a field variable might be specified is outlined. Field variables can be declared like other data types in any standard computing language. Specifications of field variables must include several special properties which are used to express the relationship between the physical field and the discrete data model. Field variable properties determine how the spatial data can be manipulated. For example, specifying a cellgrid spatial data model requires information about grid orientation and origin and the size of cells, while specifying a polygon data model requires information about the minimum distance over which variation is recorded. In either case, this information can be used to select appropriate conversion procedures between spatial data models using similarly specified conversion matrices and rules. The use of field variables has pedagogic as well as practical value. New operations allowed include field functions such as those for determining integrals, slope, and aspect, and reserved variables such as latitude and longitude.