论文部分内容阅读
随着互联网的不断发展进步,早期Google Earth、互联网瓦片地图带给人们的新鲜感逐渐下降,电子地图仅满足浏览需求或者作为背景的时代已经过去,人们对地理位置服务提出了更高的需求,地图也亟需融入到大众的日常生活中。伴随着以位置服务为核心的“信息时代”的到来,位置服务成为学术界和产业界的研究热点,兴趣点(POI)数据是网络电子地图的最重要内容,也是互联网位置服务的立足之本。由于互联网上的POI数据来源不一,目前各主流的网络POI数据服务商,如ESRI、Google、天地图、百度、高德、腾讯等,都对POI数据进行了分类管理。但由于现阶段并没有统一的POI分类标准及分类体系,使得各网站POI数据提供商各自根据一定规范制定了相应的POI数据分类体系,导致网络上POI数据分类信息的名称及其包含的语义信息并不完全相同,无法直接进行比较与匹配,严重降低了网络POI的数据价值。本文引用概念格相关原理技术作为支撑,以深度学习的方法提取了POI地址中的语义因子,采用以同义词词林为基础的手段来实现POI分类语义因子的合并与优化,再通过不同分类体系中分类概念之间形式背景矩阵的构建,并以此为基础,利用Chein算法自动生成POI分类体系的概念格,实现网络POI分类体系的相互关联和映射。本文以Google、天地图、百度、高德等互联网公司的数据和分类标准作为实验数据,最终生成了一个可扩展、可兼容和更新的新的分类体系,实验证明,新的分类体系有着良好的效果,达到了预期目标。主要的工作内容和创新点:(1)生成一个新的POI分类体系,并且对来自多源POI分类体系的变化做到可兼容,可扩展,可更新;(2)提出了一种基于深度学习算法的POI地址切分算法;(3)实现网络多源POI分类体系的相互关联和映射。