空间表征学习之Tile2Vec
空间表征学习之Tile2Vec
【摘要】
【原文】
【DOI】
本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来源 西山晴雪的知识笔记！
相关推荐
2021-04-11
空间表征学习之Place2Vec
...
2021-04-15
空间表征学习之Space2Vec
空间表征学习之Space2Vec【摘要】无监督文本编码模型最近推动了自然语言处理的实质性进展。其关键思想是使用神经网络将文本中的词转换为基于单词位置及其上下文的向量空间表示（ 词嵌入 ），进而用于下游任务的端到端训练。我们在空间分析中看到了惊人的相似情况，即空间分析侧重于将地理对象（ 如：POI点 ）的绝对位置和空间上下文纳入模型。一个通用的空间表征模型对于许多任务都是有价值的。然而，迄今为止，除了简单地将离散化或前馈网络应用于坐标之外，还没有这样通用的模型存在，并且很少有努力对具有非常不同特征的分布进行联合建模，而这些特征经常出现在地理信系统数据中。神经科学领域诺贝尔奖得主的研究表明，哺乳动物的网格细胞（Grid Cell）提供了一种多尺度、周期性的位置编码表示，对于动物识别位置和寻找路径至关重要。因此，我们提出了一个称为 Space2Vec 的空间表征学习模型来编码地点（Place）的绝对位置和空间关系。我们对两个不同任务在两个真实世界的地理数据上进行实验：1）在给定位置和上下文的情况下预测 POI...
2022-03-15
🔥 空间表征学习综述文章
【摘要】无监督文本编码模型最近推动了自然语言处理的实质性进展。其关键思想是使用神经网络将文本中的词转换为基于单词位置及其上下文的向量空间表示（ 词嵌入 ），进而用于下游任务的端到端训练。我们在空间分析中看到了惊人的相似情况，即空间分析侧重于将地理对象（ 如：POI点 ）的绝对位置和空间上下文纳入模型。一个通用的空间表征模型对于许多任务都是有价值的。然而，迄今为止，除了简单地将离散化或前馈网络应用于坐标之外，还没有这样通用的模型存在，并且很少有努力对具有非常不同特征的分布进行联合建模，而这些特征经常出现在地理信系统数据中。神经科学领域诺贝尔奖得主的研究表明，哺乳动物的网格细胞（Grid Cell）提供了一种多尺度、周期性的位置编码表示，对于动物识别位置和寻找路径至关重要。因此，我们提出了一个称为 Space2Vec 的空间表征学习模型来编码地点（Place）的绝对位置和空间关系。我们对两个不同任务在两个真实世界的地理数据上进行实验：1）在给定位置和上下文的情况下预测 POI...
2020-05-25
地理知识图谱与地理空间语义网
地理知识图谱与地理空间语义网 地理知识图谱的确切概念很难完整定义，从目前技术发展脉络来看，国内外主要存在两个技术领域或流派：地理空间语义网和地理知识图谱。 1. 地理空间语义网（1）参与研究的主要群体 地理空间信息科学领域的专家和团体 （2）研究重点 沿用语义网的理念，在开放世界假设基础上，面向地理空间数据的可共享、可交换、互操作性、人机共同认知和理解等问题展开研究 （3）主要研究内容 地理空间本体的设计和模式 地理空间数据服务向地理空间本体知识服务转换的方法 不同地理空间知识库之间的本体对齐和实体对齐方法 社会感知/传感器网络等新型地理空间感知器知识库的建立 地理空间本体库的推理 … （4）代表性研究机构 暂略… 2....
2020-05-25
地理知识图谱awesome list
地理知识图谱相关研究领域总结综述性文章和书籍文章 （1）地理空间语义网 Janowicz, K. and Scheider, S., Pehle, T., and Hart, G. (2012): Geospatial Semantics and Linked Spatiotemporal Data - Past, Present, and Future (editorial). Semantic Web 3(4), pp. 321-332. Janowicz, K. and Hitzler, P. (2012): The Digital Earth as Knowledge Engine (editorial). Semantic Web Journal, 3(3), pp. 213-221. Janowicz, K. and Hitzler, P. (2015): Geospatial Semantic Web. The International Encyclopedia of Geography: People, the Earth,...
2020-05-27
地理知识图谱「 2 」-- 地理信息抽取技术
地理信息抽取–未来地理信息科学中的皇冠摘要： 根据前文，地理知识图谱主要分为两个大的研究领域或流派，其中地理知识图谱以领域地理知识库建设为重点，其中利用地理信息抽取技术完善、丰化知识库内容是较为核心的技术点。本文是对地理信息抽取技术的概览，希望有助于对该技术方向的了解和把握。 1. 位置搜索对地理信息抽取的现实性需求 互联网领域中大部分信息搜索查询中明确包含地理搜索词 例如：以地名的形式（Gan等人，2008年；Aloteibi和Sanderson，2014年） 80%的互联网用户会利用位置搜索引擎获取本地商业服务、产品或其他领域知识 在移动应用蓬勃发展的当下，基于位置的知识服务成为核心功能 以用户当前或预测位置为基础提供实时地理知识图谱上下文信息（Reichenbacher等人，2016）。 2....