面向多源地理空间数据的知识图谱构建

doi:10.12082/dqxxkx.2020.190565

地球信息科学学报 ›› 2020, Vol. 22 ›› Issue (7): 1476-1486.doi: 10.12082/dqxxkx.2020.190565

• 地球信息科学理论与方法 • 上一篇下一篇

面向多源地理空间数据的知识图谱构建

刘俊楠¹(), 刘海砚¹(), 陈晓慧¹, 郭漩², 郭文月², 朱新铭¹, 赵清波¹

1.信息工程大学数据与目标工程学院,郑州 450001;
2.信息工程大学地理空间信息学院,郑州 450001

收稿日期:2019-09-30 修回日期:2019-12-18 出版日期:2020-07-25 发布日期:2020-09-25
通讯作者: 刘海砚 E-mail:6929423@qq.com;liu2000@vip.sina.com
作者简介:刘俊楠（1991— ）,男,辽宁锦州人,博士生,主要从事时空数据挖掘与知识图谱相关研究。E-mail:6929423@qq.com
基金资助:
河南省自然科学基金项目(182300410005);国家自然科学基金项目(41801313)

The Construction of Knowledge Graph Towards Multi-Source Geospatial Data

LIU Junnan¹(), LIU Haiyan¹(), CHEN Xiaohui¹, GUO Xuan², GUO Wenyue², ZHU Xinming¹, ZHAO Qingbo¹

1. School of Data and Target Engineering, Information Engineering University, Zhengzhou 450001, China;
2. Institute of Geospatial Information, University of Information Engineering, Zhengzhou 450001, China

Received:2019-09-30 Revised:2019-12-18 Online:2020-07-25 Published:2020-09-25
Contact: LIU Haiyan E-mail:6929423@qq.com;liu2000@vip.sina.com
Supported by:
Natural Science Foundation of Henan Province(182300410005);National Natural Science Foundation of China(41801313)

摘要/Abstract

摘要：

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。

关键词: 知识图谱, 百度百科, 地理空间数据, 数据融合, 地理空间知识, 空间关系, 拓扑关系, 地理实体

Abstract:

Knowledge graph is widely applied in the field of artificial intelligence. Fusing multisource geospatial data is a hot topic for the transformation of “data-knowledge”. However, the general knowledge graph has low spatial knowledge and some of them is incorrect. Moreover, geographic knowledge graph from Wikipedia has some problems such as missing spatial relation, Chinese attribute, and exact coordinates information. In this paper, we analyze the characteristics of geospatial data and baidubaike.In addition, we propose a knowledge graph construction method based on geographic entities which are extracted from geospatial data and supplemented by attribute information from baidubaike.At the end, the scale of knowledge graph is analyzed in terms of entities and relations. The experiment proves that the conceptual description information of geographic entities is expanded, and there is a higher success rate of linking web page with geographic entities than ever. In addition, the coverage of geographic coordinates is increased to 100%. The knowledge graph constructed in this paper will have an important significance to extend geospatialdata to knowledge.

Key words: knowledge graph, baidubaike, geospatial data, data fusion, geospatial knowledge, spatial relationship, topology, geographic entity

刘俊楠, 刘海砚, 陈晓慧, 郭漩, 郭文月, 朱新铭, 赵清波. 面向多源地理空间数据的知识图谱构建[J]. 地球信息科学学报, 2020, 22(7): 1476-1486.DOI:10.12082/dqxxkx.2020.190565

LIU Junnan, LIU Haiyan, CHEN Xiaohui, GUO Xuan, GUO Wenyue, ZHU Xinming, ZHAO Qingbo. The Construction of Knowledge Graph Towards Multi-Source Geospatial Data[J]. Journal of Geo-information Science, 2020, 22(7): 1476-1486.DOI:10.12082/dqxxkx.2020.190565

图/表 16

图1

图2

图3

图4

图5

图6

表1

图7

表2

图8

图9

图10

图11

表3

表4

表5

参考文献 25

[1]	漆桂林, 高桓, 吴天星. 知识图谱研究进展[J]. 情报工程, 2017,3(1):4-25.
	[ Qi G L, Gao H, Wu T X. The research advances of knowledge graph[J]. Technology Intelligence Engineering, 2017,3(1):4-25. ]
[2]	徐冠华. 全社会要高度关注“数字地球”[J]. 中国测绘, 1999,3:6-7.
	[ Xu G H. Pay attention to "Digital Earth"[J]. China Surveying and Mapping, 1999(3):6-7. ]
[3]	Hahmann S, Burghardt D. How much information is geospatially referenced? Networks and cognition[J]. International Journal of Geographical Information Science Ijgis, 2013,27(6):1171-89.
[4]	Aloteibi S, Sanderson M. Analyzing geographic query reformulation: An exploratory study[J]. Journal of the American Society for Information Science & Technology, 2014,65(1):13-24.
[5]	马雷雷. 空间关系本体描述与推理机制研究[D]. 郑州:解放军信息工程大学, 2012.
	[ Ma L L. Research on spatial relatioin ontology description and reasoning mechanism[D]. ZhengZhou: Information Engineering University, 2012. ]
[6]	Auer S, Bizer C, Kobilarov G, et al. DBpedia: A nucleus for a web of open data[C]. Proceedings of the Semantic Web, 6^th International Semantic Web Conference, 2^ndAsian Semantic Web Conference, ISWC 2007+ASWC 2007, Busan, Korea, November 11-15, 2007, 2007.
[7]	Zeng Y, Wang D S, Zhang T L. CASIA-KB: A multi-source Chinese semantic knowledge base built from structured and unstructured Web data[C]. Proceedings of the Joint International Semantic Technology Conference, F, 2013.
[8]	Sester M, Arsanjani J J, Klammer R, et al. Integrating and generalising volunteered geographic information[M]// Abstracting geographic information in a data rich world.Springer, Cham, 2014:119-155.
[9]	Lehmann J, Hellmann S. Linked GeoData: Adding a spatial dimension to the web of data[C]. Proceedings of the International Semantic Web Conference,F, 2009.
[10]	Ballatore A, Wilson D C. Geographic knowledge extraction and semantic similarity in OpenStreetMap[J]. Knowledge & Information Systems, 2013,37(1):61-81.
[11]	Hu W, Li H, Sun Z, et al. Clinga: Bringing Chinese physical and human geography in linked open data[C]// International Semantic Web Conference. Springer, Cham, 2016:104-112.
[12]	Hoffart J, Suchanek F M, Berberich K, et al. YAGO2: A spatially and temporally enhanced knowledge base from Wikipedia[J]. Artificial Intelligence, 2013,194:28-61. doi: 10.1016/j.artint.2012.06.001
[13]	Chen J, Deng S, Chen H. Crowdgeokg: Crowdsourced geo-knowledge graph, Proceedings of the China Conference on Knowledge Graph and Semantic Computing, 2017[C]. Springer.
[14]	Zeng Y, Hao H, Xu B. Entity conceptualization and understanding based on web-scale knowledge bases[C]// 2013 IEEE International Conference on Systems, Man, and Cybernetics, IEEE, 2013:3500-3504.
[15]	高嘉良, 余丽, 仇培元, 等. 基于通用知识库的地理实体开放关系过滤方法[J]. 地球信息科学学报, 2019,21(9):1392-1401. doi: 10.12082/dqxxkx.2019.190005
	[ Gao J L, Yu L, Chou P Y, et al. A Knowledge-based method for filtering geo-entity relations[J]. Journal of Geo-Information Science, 2019,21(9):1392-1401. ]
[16]	陆锋, 余丽, 仇培元, 等. 论地理知识图谱[J]. 地球信息科学学报, 2017,19(6):723-34. doi: 10.3724/SP.J.1047.2017.00723
	[ Lu F, Yu L, Chou P Y, et al. On geographic knowledge graph[J]. Journal of Geo-Information Science, 2017,19(6):723-34. ]
[17]	刘瑜, 龚咏喜, 张晶, 等. 地理空间中的空间关系表达和推理[J]. 地理与地理信息科学, 2007,23(5):1-7.
	[ Liu Y, Gong Y X, Zhang J, et al. Representation and Reasoning of Spatial Relations in Geographical Space[J]. Journal of Geo-Information Science, 2007,23(5):1-7. ]
[18]	陈晓慧. 地理空间情报知识图谱构建方法与技术研究[D]. 郑州:解放军信息工程大学, 2016.
	[ Chen X H. Research on construction and technology of geospatial intelligence knowledge Graph[D]. Zhengzhou: Information Engineering University, 2016. ]
[19]	Clementini E, Sharma J, Egenhofer M J. Modelling topological spatial relations: Strategies for query processing[J]. Computers & graphics, 1994,18(6):815-822.
[20]	张雪英, 张春菊, 杜超利. 空间关系词汇与地理实体要素类型的语义约束关系构建方法[J]. 武汉大学学报·信息科学版, 2012,37(11):1266-1270.
	[ Zhang X Y, Zhang C J, Du C L. Semantic relation between spatial relation terms and feature types of geographical entities[J]. Geomatics and Information Science of Wuhan University, 2012,37(11):1266-1270. ]
[21]	李晓轩. 面向制图综合的道路信息表达研究与实践[D]. 郑州:解放军信息工程大学, 2010.
	[ Li X X. Study and practice on road information's expression for map generalization[D]. Zhengzhou: Information Engineering University, 2010. ]
[22]	王东旭, 诸云强, 潘鹏, 等. 地理数据空间本体构建及其在数据检索中的应用[J]. 地球信息科学学报, 2016,18(4):443-52. doi: 10.3724/SP.J.1047.2016.00443
	[ Wang D X, Zhu Y Q, Pan P, et al. Construction of geodata spatial ontology and its application in data retrieva[J]. Journal of Geo-information Science, 2016,18(4):443-52. ]
[23]	Huang W, Mansourian A, Abdolmajidi E, et al. Synchronising geometric representations for map mashups using relative positioning and Linked Data[J]. International Journal of Geographical Information Science, 2018,22:1-21. doi: 10.1080/13658810701806481
[24]	Clementini E, Sharma J, Egenhofer M J. Modelling topological spatial relations: Strategies for query processing[J]. Computers & Graphics, 1994,18(6):815-22.
[25]	Goyal R K, Egenhofer M J. Similarity assessment for cardinal directions between extended spatial objects[D]. In Spatial Information Science and Engineering, University of Maine, 2000.

提取信息	提取规则
概述图	div.summary-pic>a>img
同义词	span>span.viewTip-fromTitle
词条标题	dd.lemmaWgt-lemmaTitle-title>h1
词条标签	dd>span.taglist
词条信息框	dl>dt.basicInfo-item.name
词条信息框	dl>dd.basicInfo-item.value

表名	属性字段1	属性字段2	属性字段3	属性字段4	属性字段5	属性字段6
GeoEntity	地理实体ID	名称	添加时间	图层名—ID集合	百科信息	几何信息
GeoField_Baike	百科属性ID	内容	频率	地理实体ID集合
re_Geo_Geo	三元组ID	地理实体ID	关系ID	地理实体ID
GeoRelation	关系ID	关系	频率

	桥		汽车站	机场		火车站	服务区	铁路	国道	高速公路		省	市		合计/个
要素数目/个	180 168		12 250	579		9538	7115	549	797 929	623 285		32	371		1 631 816
实体数目/个	87 481		11 881	378		9050	2321	548	10 213	4365		32	371		126 640
链接数目/个	3306		717	208		7006	113	347	2720	598		32	371		15 418
链接比率/%	3.78		6.03	55.03		77.41	4.87	63.32	26.63	13.70		100.00	100.00		12.17
点实体链接比率/%		10.22			线实体链接比率/%			24.23			面实体链接比率/%			100

数据类型	标签总数	标签1		标签2			标签3				标签4
数据类型	标签总数	类型	数目	类型	数目		类型		数目		类型	数目
桥	3306	建筑	1840	地理	1193		地点		1168		社会	154
汽车站	717	车站	491	地点	368		交通设施		279		社会	245
机场	208	机场	183	地点	159		交通设施		88		交通	86
火车站	7006	车站	5695	交通设施	3960		地点		3064		交通	2059
服务区	113	地理	38	地点	31		组织机构		25		公司	21
铁路	347	交通线路	147	车站	78		地点		75		交通	64
国道	2720	地点	396	地理	321		街区路		209		交通线路	112
高速	598	地点	331	交通线路	297		街区路		221		交通	103
省	32	行政区划	21	城市	3		自然地理		1		历史	1
市	371	城市	153	行政区划	65		地点		61		地理	41
提取标签类型合计		212	提取标签关系合计			33 322		补充标签关系合计		23 847

排序	关系类型	数目/个	实体覆盖率/%	排序	关系类型	数目/个	实体覆盖率/%
1	中文名称	15 418	100.00	7	始建日期	2931	19.01
2	地理位置	13 633	88.42	8	投用日期	2192	14.22
3	外文名称	6998	45.39	9	邮政编码	1964	12.74
4	车站等级	4212	27.32	10	面积	1798	11.66
5	区域管理	4046	26.24	……	……	……	……
6	主要线路	2947	19.11	37	地理坐标	215	1.39
属性关系类型合计			3558	属性关系数目			88 093

面向多源地理空间数据的知识图谱构建

The Construction of Knowledge Graph Towards Multi-Source Geospatial Data

RichHTML

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

图/表 16

参考文献 25

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	李锐, 石佳豪, 董广胜, 刘朝辉. 多粒度时空对象组成结构表达研究[J]. 地球信息科学学报, 2021, 23(1): 113-123.
[2]	陈文静, 李锐, 董广胜, 李江. 网络地理信息服务中用户空间访问聚集行为研究[J]. 地球信息科学学报, 2021, 23(1): 93-103.
[3]	王志华, 杨晓梅, 周成虎. 面向遥感大数据的地学知识图谱构想[J]. 地球信息科学学报, 2021, 23(1): 16-28.
[4]	黄娟, 陈崇成, 叶晓燕, 马腾. “民国清流”名人文化主题数据的组织和可视化方法[J]. 地球信息科学学报, 2020, 22(5): 954-966.
[5]	王春, 徐燕, 江岭, 赵明伟. 规则格网DEM局地坡面凸凹性精度分析[J]. 地球信息科学学报, 2020, 22(3): 361-369.
[6]	黄楠, 杨昕, 刘海龙. 基于等高线空间关系的鞍部点提取方法[J]. 地球信息科学学报, 2020, 22(3): 410-421.
[7]	胡金龙, 唐梦鸽, 罗明良, 魏兰, 晏自红, 秦子晗. 基于DEM的一体化山地特征要素提取[J]. 地球信息科学学报, 2020, 22(3): 422-430.
[8]	周佳, 赵亚鹏, 岳天祥, 卢涛. 结合HASM和GWR方法的省级尺度近地表气温估算[J]. 地球信息科学学报, 2020, 22(10): 2098-2107.
[9]	高嘉良,余丽,仇培元,陆锋. 基于通用知识库的地理实体开放关系过滤方法[J]. 地球信息科学学报, 2019, 21(9): 1392-1401.
[10]	刘菊, 陈璨, 许珺. 基于众包的古琴名人时空信息采集与移动轨迹时空分析[J]. 地球信息科学学报, 2019, 21(6): 844-853.
[11]	李思宇, 向隆刚, 张彩丽, 龚健雅. 基于低频出租车轨迹的城市路网交叉口提取研究[J]. 地球信息科学学报, 2019, 21(12): 1845-1854.
[12]	周岩, 董金玮. 陆表水体遥感监测研究进展[J]. 地球信息科学学报, 2019, 21(11): 1768-1778.
[13]	洪必文, 曹青, 张翎, 龙毅, 寇萱. 基于自然语言形态描述的地理实体模拟表达方法[J]. 地球信息科学学报, 2019, 21(10): 1491-1501.
[14]	金澄, 安晓亚, 崔海福, 赵宇君, 王惠. 矢量瓦片地图线化简算法研究[J]. 地球信息科学学报, 2019, 21(10): 1502-1509.
[15]	吴吉东, 王旭, 王菜林, 何鑫, 叶梦琪. 社会经济数据空间化现状与发展趋势[J]. 地球信息科学学报, 2018, 20(9): 1252-1262.