面向多源地理空间数据的知识图谱构建

发布时间：2021-01-05 23:58

　　知识图谱广泛应用于人工智能领域,基于此融合多源地理空间数据并表示地理事物的语义和时空信息,实现"数据—知识"的转换成为人们关注的热点。但现有通用知识图谱的空间知识覆盖度低且存在错误,同时基于维基百科构建的地理知识图谱存在空间关系、中文属性和坐标信息等属性缺失问题。因此本文以地理空间数据和百度百科数据的特征分析为基础,提出了以地理空间数据提取地理实体为主,百度百科补充属性信息为辅的知识图谱构建方式。①基于GeoSparql设计模式层的地理实体、要素、几何形状和空间关系的逻辑关系;②通过地理实体提取、实体链接和属性信息填充,在数据层实现空间知识融合;③结合关系型数据库和图数据库,设计空间知识存储方式;④在实体和关系2个方面定量分析知识图谱的构建规模。结果表明,本文构建的知识图谱中地理实体覆盖度和链接百科成功率相对较高,扩充了地理实体的概念描述信息,并将地理坐标的覆盖率提高到100%,对地理数据到地理知识的拓展具有重要意义。 

【文章来源】：地球信息科学学报. 2020,22(07)北大核心

【文章页数】：11 页

【部分图文】：

地理空间数据空间认知结构实例

模式层基于空间对象（Spatial Object）扩充了地理实体概念（GeoEntity）和相关属性关系（图3）。其中地理实体概念（GeoEntity）侧重表示自然或人工地物，为了详细表示数据来源，需派生空间数据地理实体（GeoDatasetEntity）和百度百科地理实体（GeoBaikeEntity）。地理空间数据中的实体被人为拆分成地理要素，通过Feature进行表达，并与GeoDatasetEntity建立hasFeature关系。Geometry抽象表达地物的几何形状，派生点、线、面等基本几何体，通过hasGeometry关联地理空间要素，并通过文本标记语言（Well-Known Text,WKT）和EPSG字符串表示几何体的坐标信息和空间参考（图3）。图3 知识图谱模式层的本体框架

图2 知识图谱构建流程知识图谱中的关系可以反映地理实体间的相互作用。模式层通过SpatialRelation构建空间关系（图3），并派生拓扑、方位、距离3个子类空间关系（图4）。拓扑关系包括相交、相离、包含、在之内、被覆盖、覆盖、穿过、重叠、相等、邻接[19-20]，表示地理实体点、线、面间的邻近和关联程度。方位关系包括东、东南、南、西南、西、西北、北、东北，表达地理实体在空间维度上的相对方位。距离关系包括城内与城际间的定性描述（非常近、近、中等、远和非常远）和定量表达，表示地理实体的远近、亲疏程度。此外，模式层还构建了对象属性和数据属性2类关系（图4），前者表达语义关系，后者描述地理实体的物理属性。对象属性描述“概念-概念”、“概念-实例”、“实例-实例”关系，包括父子关系（如交通运输仓储与高速服务区）、相似关系（如国道与一级公路[21]）、等同关系（如豫与河南省）以及概念与实例关系，数据属性为“实例-值”关系[22]。


本文编号：2959531