电子地图兴趣点标签自动补全问题的研究

发布时间：2021-12-09 13:58

　　随着科技的发展和社会的进步,包括电子地图在内的基于地理位置信息的服务以其方便快捷、直观可视化的特点,日益受到广大民众的欢迎,并广泛应用于生活中的各个领域。同时,各行各业对这些与位置相关的信息的需求愈来愈强烈,兴趣点(POI)通过将地理实体信息与地理位置信息相整合,给用户带来极大的便捷。POI上标记的标签可以从许多方面促进基于位置服务的发展,例如位置搜索和位置推荐。但是目前的实际情况是,许多POI的标签是不完整或不精确的,这就导致了依赖这些标签的应用程序的使用性能大大下降,因此迫切的需要构建更好的底层数据,以推动位置服务应用的发展。在本文中,我们研究了POI标签的自动补全问题,该问题旨在自动填充POI的丢失标签以及纠正POI的错误标签。我们提出了一种由三部分组成的自适应协作学习模型来寻找最佳的POI-标签分数矩阵,为每个POI找到最适合的N个标签。该框架集成了三个组件以进行协作学习:第一部分通过矩阵分解的方法得到一个记录POI和各标签之间相关性的分数矩阵;第二部分通过从POI空间和标签空间探索成对的POI与POI,标签与标签,POI与标签之间的相似度匹配情况;第三部分利用最大似然估计的方...

【文章来源】： 电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：67 页

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究工作的背景与意义
    1.2 标签补全技术的国内外研究历史与现状
    1.3 本文的主要贡献与创新
    1.4 本论文的结构安排
第二章 标签补全技术的背景知识介绍
    2.1 标签补全问题的定义
    2.2 与标签补全技术相关的机器学习方法
        2.2.1 Word Embedding
        2.2.2 Graph Embedding
        2.2.3 非负矩阵分解
        2.2.4 多层感知机
    2.3 本章小结
第三章 补全技术的基本模型
    3.1 图像标签补全算法
    3.2 知识图谱关系补全算法
    3.3 POI标签补全算法
    3.4 本章小结
第四章 电子地图上的标签自动补全的特征
    4.1 数据源
    4.2 POI标签自动补全的特征工程
        4.2.1 POI基本特征
        4.2.2 POI画像特征
        4.2.3 POI关系图的特征
        4.2.4 标签的特征
    4.3 POI标签自动补全模型框架概述
    4.4 TACL框架组件
        4.4.1 非负矩阵分解在TACL框架中的应用
        4.4.2 成对相似度匹配在TACL框架中的应用
        4.4.3 极大似然估计在TACL框架中的应用
    4.5 TACL模型的优化和预测
    4.6 本章小结
第五章 电子地图上POI标签自动补全模型的性能评测
    5.1 数据集和实验设置
    5.2 对原始数据的性能评估
    5.3 随机添加错误标签的性能评估
    5.4 随机删除标签的性能评估
    5.5 协作学习的有效性评估
    5.6 TACL模型运用案例分析
    5.7 本章小结
第六章 全文总结与展望
    6.1 全文总结
    6.2 后续工作展望
致谢
参考文献
攻读硕士学位期间取得的成果


【参考文献】：
期刊论文
[1]融合社交网络和图像内容的兴趣点推荐 [J]. 邵长城,陈平华.  计算机应用. 2019(05)
[2]基于位置服务的研究综述 [J]. 唐科萍,许方恒,沈才樑.  计算机应用研究. 2012(12)
[3]POI的分类标准研究 [J]. 张玲.  测绘通报. 2012(10)
[4]非负矩阵分解算法综述 [J]. 李乐,章毓晋.  电子学报. 2008(04)



本文编号：3530755