【摘要】：隨著互聯(lián)網(wǎng)的不斷發(fā)展進步,早期Google Earth、互聯(lián)網(wǎng)瓦片地圖帶給人們的新鮮感逐漸下降,電子地圖僅滿足瀏覽需求或者作為背景的時代已經(jīng)過去,人們對地理位置服務提出了更高的需求,地圖也亟需融入到大眾的日常生活中。伴隨著以位置服務為核心的“信息時代”的到來,位置服務成為學術界和產(chǎn)業(yè)界的研究熱點,興趣點(POI)數(shù)據(jù)是網(wǎng)絡電子地圖的最重要內(nèi)容,也是互聯(lián)網(wǎng)位置服務的立足之本。由于互聯(lián)網(wǎng)上的POI數(shù)據(jù)來源不一,目前各主流的網(wǎng)絡POI數(shù)據(jù)服務商,如ESRI、Google、天地圖、百度、高德、騰訊等,都對POI數(shù)據(jù)進行了分類管理。但由于現(xiàn)階段并沒有統(tǒng)一的POI分類標準及分類體系,使得各網(wǎng)站POI數(shù)據(jù)提供商各自根據(jù)一定規(guī)范制定了相應的POI數(shù)據(jù)分類體系,導致網(wǎng)絡上POI數(shù)據(jù)分類信息的名稱及其包含的語義信息并不完全相同,無法直接進行比較與匹配,嚴重降低了網(wǎng)絡POI的數(shù)據(jù)價值。本文引用概念格相關原理技術作為支撐,以深度學習的方法提取了POI地址中的語義因子,采用以同義詞詞林為基礎的手段來實現(xiàn)POI分類語義因子的合并與優(yōu)化,再通過不同分類體系中分類概念之間形式背景矩陣的構建,并以此為基礎,利用Chein算法自動生成POI分類體系的概念格,實現(xiàn)網(wǎng)絡POI分類體系的相互關聯(lián)和映射。本文以Google、天地圖、百度、高德等互聯(lián)網(wǎng)公司的數(shù)據(jù)和分類標準作為實驗數(shù)據(jù),最終生成了一個可擴展、可兼容和更新的新的分類體系,實驗證明,新的分類體系有著良好的效果,達到了預期目標。主要的工作內(nèi)容和創(chuàng)新點:(1)生成一個新的POI分類體系,并且對來自多源POI分類體系的變化做到可兼容,可擴展,可更新;(2)提出了一種基于深度學習算法的POI地址切分算法;(3)實現(xiàn)網(wǎng)絡多源POI分類體系的相互關聯(lián)和映射。
【圖文】：

圖 3.6 切分程序展示以上實驗可以看出，本文算法在精度上較傳統(tǒng) FMM 算法有較大程度提升的地址越多，，精度也越高，同時減低了對詞典的依賴，但是效率有所降低

4 分類語義因子合并與優(yōu)化4.1 引言過第三章的語義因子提取處理之后，得到了 POI 的特征詞，但是在這些處理后中經(jīng)常會出現(xiàn)如“健身房”與“健身館”、“茶樓”與“茶館”、“茶社”等詞語相近或義的特征詞，或者在漢語原意中有一詞多義的特征詞以及某些具有強關聯(lián)的特時候就必須對得到的特征詞集合進行合并與優(yōu)化處理。為此，本節(jié)采用基于同的特征詞優(yōu)化方法。文選取《同義詞詞林擴展版》作為同義詞詞典進行同義詞合并處理。該詞典最家駒等于 1983 年編纂而成，后經(jīng)過哈爾濱工業(yè)大學信息檢索實驗室重新擴展形成一部具有漢語大詞表的“哈工大信息檢索研究室同義詞詞林擴展版”——《林擴展版》，詞典中的內(nèi)容主要包括一個詞語的同義詞以及一定數(shù)量的同類詞錄詞語超過 7 萬條，其部分內(nèi)容如下圖 4.1 所示。
【學位授予單位】：蘭州交通大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：P208

【參考文獻】

相關期刊論文 前10條

1 陳芊希;范磊;;基于深度學習的網(wǎng)頁分類算法研究[J];微型電腦應用;2016年02期

2 徐筍晶;李賽美;劉敏;劉超男;劉煜洲;李日東;;基于屬性偏序表示原理的經(jīng)方方證研究[J];燕山大學學報;2014年05期

3 曾子維;王鑫;馬垣;;基于概念格中緊致依賴的空間數(shù)據(jù)挖掘方法研究[J];計算機應用與軟件;2014年02期

4 易茹蘭;徐楓;鄧敏;劉啟亮;;利用形式概念分析的海島語義層次分類方法[J];武漢大學學報(信息科學版);2012年08期

5 鄭艷紅;張東站;;基于同義詞詞林的文本特征選擇方法[J];廈門大學學報(自然科學版);2012年02期

6 鄭金英;滕春霞;;概念格構造算法的現(xiàn)狀與發(fā)展前景[J];硅谷;2011年22期

7 程昌秀;于濱;;一種基于規(guī)則的模糊中文地址分詞匹配方法[J];地理與地理信息科學;2011年03期

8 金梁;;基于屬性涵蓋的概念格構造算法[J];襄樊職業(yè)技術學院學報;2011年01期

9 盧媛媛;何海燕;張劍;;電子商務搜索引擎中文分詞算法分析[J];信息網(wǎng)絡安全;2010年08期

10 馬垣;張果枝;張仁秋;;基于粒化的形式背景的概念格研究[J];計算機應用與軟件;2010年07期

相關碩士學位論文 前10條

1 陳瑞;基于多源POI數(shù)據(jù)的匹配融合方法研究[D];蘭州交通大學;2014年

2 牛秀萍;基于隱馬爾科夫模型詞性標注的研究[D];太原理工大學;2013年

3 王良芳;文本挖掘關鍵詞提取算法的研究[D];浙江工業(yè)大學;2013年

4 紀彤坤;概念格Chein算法的研究與改進[D];華南理工大學;2012年

5 刁毓;基于本體的中文分詞算法的研究與實現(xiàn)[D];曲阜師范大學;2012年

6 李明;針對特定領域的中文新詞發(fā)現(xiàn)技術研究[D];南京航空航天大學;2012年

7 申樂;概念格剪枝方法研究及其在Web挖掘中的應用[D];鄭州大學;2011年

8 王培培;基于區(qū)別度概念格的關聯(lián)規(guī)則挖掘算法設計[D];河南大學;2010年

9 張智星;概念格的幾種生成算法[D];河北大學;2010年

10 王欣欣;頻繁加權概念格及天體光譜關聯(lián)知識挖掘系統(tǒng)[D];太原科技大學;2009年

本文編號：2562883