检索结果-南通市图书馆

检索条件"主题词=POI自动分类"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

相关度排序

基于深度学习的poi数据自动分类方法研究

基于深度学习的POI数据自动分类方法研究

引用

作者：范甲昊武汉大学

学位级别：硕士

近年来,大量在线志愿者地理信息(Volunteered geographic information,VGI)涌现,并已成为地理空间数据中最为重要的来源之一。在线兴趣点(point of interest,poi)数据是最常见的VGI数据类型,具有易于获取、体量大、现势性强的特点。具... 详细信息

近年来,大量在线志愿者地理信息(Volunteered geographic information,VGI)涌现,并已成为地理空间数据中最为重要的来源之一。在线兴趣点(point of interest,poi)数据是最常见的VGI数据类型,具有易于获取、体量大、现势性强的特点。具有类别性质的poi数据已被频繁地用于土地利用分布、区域功能性识别、空间信息检索、基于LBS的推荐系统、地理知识图谱、人类活动分布和人类流动性等研究领域。poi数据的更新速度极快且更新量级极大,传统的实地考察收集poi数据并人工分类、打标签的方法费时费力;通过在线志愿者地理信息虽然易于获取poi数据,但是这些数据通常分类标准随意、不统一,甚至缺失分类类别信息,一般仍需进行数据清洗或人工二次分类。因此,如何让计算机理解并利用poi数据所包含的信息,基于统一标准,实现poi数据的自动分类显得十分重要。本研究针对当前poi数据自动分类方法难以准确捕捉地名地址中包含的关键信息,且面对多分类任务时准确率不高的缺点,遵循编码器-解码器框架,采用双向长短时记忆神经网络,研究专门针对poi类型识别的神经网络模型,实现了基于地名地址短文本信息的poi自动分类。实验结果表明,地址数据是poi数据分类时的一个重要的补充信息;使用poi地址数据结合地名数据,可以提高模型的训练效果,提高分类准确率。同时,本文设计了多组对比实验,对比实验结果表明,本研究方法的分类准确率明显高于传统的机器学习模型和深度网络模型,在23个大类分类任务和962个小类分类任务上,分类准确率分别平均提高了86.73%和159.37%。

关键词： poi自动分类编码器-解码器框架注意力机制双向长短时记忆神经网络深度学习

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：