地理信息的质量:本体论方法和人工智能工具
地理人工智能(GeoAI)在测绘学中的应用与研究展现了巨大潜力,同时也引发了伦理问题的关注,本文通过对 GeoAI 和测绘学整合的研究进行综述和分析,总结了关于 GeoAI 在测绘设计中的应用方法以及相关的伦理挑战,并提出了未来的研究方向。
Dec, 2023
通过自然语言处理和网络分析等方法,对 30 个生物医学本体和计算机科学本体的质量进行研究和改进。该研究提出了多种潜在问题的检测方法,重点关注本体间交叉引用的问题,并探讨了本体的多样化重复使用对于本体质量的改进至关重要的观点。
May, 2022
数据科学与地理信息系统的结合为完整的空间分析平台提供了发展的可能性,采用机器学习和大数据技术使得这些平台能够处理更大规模、越来越复杂的数据,超越了传统方法的局限性。本研究追踪了数据科学和地理信息系统作为研究领域的历史和技术演变,强调了领域之间的关键交叉点,并突出了许多依赖于这种整合的领域。我们通过在葡萄牙特洛伊使用航拍数据的灾害管理领域的案例研究,阐明了从原始数据中提取见解的过程。最后,我们概述了未来在这些领域整合以及所开发应用的研究前景。
Apr, 2024
高数据质量的重要性随着机器学习系统和大数据的影响和分布而增加。欧洲委员会提出的计划的 AI 法案特别针对与安全相关的机器学习系统的市场引入,定义了具有挑战性的数据质量法律要求。本文介绍了一种新的方法,支持多种数据质量方面的数据质量保证过程。该方法可以验证定量数据质量要求。通过小的示例数据集介绍和解释了该概念和好处。通过对著名的 MNIST 数据集进行基于手写数字的应用演示了该方法的应用。
Jul, 2023
本文提出了一种基于自然语言问题的问答引擎,用于处理大量地理空间数据的查询,该引擎可以对连接的地理空间数据源进行查询,采用 SPARQL 或 OGC 标准扩展 GeoSPARQL,研究者们可以使用我们提供的 201 个自然语言问题数据集来评估该引擎的性能。
Jul, 2020
本研究提出了一种问题回答框架,在地理领域,将土耳其自然语言输入转换为 SPARQL 查询。同时,开发了一种新颖的土耳其本体论,用作链接数据提供者,将自然语言处理技术与链接数据技术相结合以生成答案的混合系统体系结构也被提出。
Jan, 2023
地球科学进入大数据时代,人工智能不仅有可能解决地球科学问题,还在加速理解地球行为的复杂、交互和多尺度过程中起着关键作用。这项研究提出了一个可解释的地球科学人工智能 (XGeoS-AI) 框架,通过以计算机断层扫描 (CT) 影像识别为例展示了其有效性和多功能性。该框架受人类视觉机制的启发,从整个影像中生成一个阈值来完成识别。不同种类的人工智能方法,如支持向量回归 (SVR)、多层感知器 (MLP)、卷积神经网络 (CNN),可以被采用作为该框架的引擎,高效地完成地球科学影像识别任务。实验结果表明,该框架的有效性、多功能性和启发式具有解决地球科学影像识别问题的巨大潜力。在地球科学领域中需要更加重视可解释人工智能,这是促进人工智能在地球科学领域更加合理和广泛应用的关键。此外,这一提出的可解释框架可能是地球科学技术创新的先驱。
Nov, 2023
该论文提出了多学科和跨学科的方法,用于找到研究信息的适当的人工智能技术。提出了一个概念和一个过程模型,描述了从项目开始到正在运行的人工智能方法在研究信息管理中的实施,旨在使大学和研究机构能够在存储研究信息时支持研究人员处理不正确和不完整的研究信息,同时强调研究信息与数据素养和与人工智能相关的数据质量问题的挑战是如何协调的;还指出只要研究机构和大学的各个部门能够共同合作并提供适当的支持来改善研究信息和数据管理,任何项目都可以成功。
May, 2024
该研究提出了一个本体重塑方法,将本体转化为更好地反映底层数据并帮助构建更好的知识图谱的知识图谱模式,从而解决工业分析中的低质量知识图谱可能带来的问题,由此提高了 SPARQL 查询的训练效率和知识图谱的可扩展性。
Sep, 2022