面向不平衡POI类别分布的电子地图多层次标签预测模型EI北大核心CSCD |
| |
引用本文: | 禹文豪,魏铖,陈佳鑫.面向不平衡POI类别分布的电子地图多层次标签预测模型EI北大核心CSCD[J].测绘学报,2023(2):318-328. |
| |
作者姓名: | 禹文豪 魏铖 陈佳鑫 |
| |
作者单位: | 1.中国地质大学(武汉)地理与信息工程学院430074;2.中国地质大学(武汉)国家地理信息系统工程技术研究中心430074; |
| |
基金项目: | 国家自然科学基金(42071442);中国地质大学(武汉)中央高校基本科研专项资金(CUG170640)。 |
| |
摘 要: | 兴趣点(POI)是电子地图、导航等应用关注的主要要素之一,其数据质量直接影响地理信息服务的智能化水平。鉴于OpenStreetMap(OSM)等众源地理信息数据的非专业收集特征,其POI数据标签常存在缺失、标记错误等质量问题,亟须对POI标签进行智能化推断和增强处理。常规神经网络模型直接从单一层次预测多类别数据,未考虑POI类别在数量上分布不平衡的问题,其预测标签倾向于包含较多数据的类别,学习算法难以泛化小规模样本规则。本文考虑到不同POI类别间的数据规模差异较大,提出基于多层次POI类别组织的神经网络预测方法,通过小样本类别的层次化聚合,建立POI类别树结构,在树结构的不同层次上实现数据规模相对平衡的类别划分,支持神经网络高精度的标签预测。试验表明,本文方法仅需利用POI基础位置信息与邻近关系,其预测精度高于传统方法。
|
关 键 词: | POI标签 深度学习 神经网络 多层次模型 |
本文献已被 维普 等数据库收录! |
|