[论文解读] A Qualitative Representation and Similarity Measurement Method in Geographic Information Retrieval

Yong Gao, Lei Liu+2 more|arXiv (Cornell University)|Nov 19, 2013

Geographic Information Systems Studies参考文献 25被引用 3

一句话总结

本文提出了一种定性地理信息检索方法，通过领域知识库和地理知识库，使用命题逻辑表示文档和查询中的主题语义与空间语义。通过加权距离和模糊逻辑计算主题、概念和空间相似性，并结合证据理论生成统一的相似度得分，实现了无需几何计算的语义匹配，且与人类认知推理一致。

ABSTRACT

The modern geographic information retrieval technology is based on quantitative models and methods. The semantic information in web documents and queries cannot be effectively represented, leading to information lost or misunderstanding so that the results are either unreliable or inconsistent. A new qualitative approach is thus proposed for supporting geographic information retrieval based on qualitative representation, semantic matching, and qualitative reasoning. A qualitative representation model and the corresponding similarity measurement method are defined. Information in documents and user queries are represented using propositional logic, which considers the thematic and geographic semantics synthetically. Thematic information is represented as thematic propositions on the base of domain ontology. Similarly, spatial information is represented as geo-spatial propositions with the support of geographic knowledge base. Then the similarity is divided into thematic similarity and spatial similarity. The former is calculated by the weighted distance of proposition keywords in the domain ontology, and the latter similarity is further divided into conceptual similarity and spatial similarity. Represented by propositions and information units, the similarity measurement can take evidence theory and fuzzy logic to combine all sub similarities to get the final similarity between documents and queries. This novel retrieval method is mainly used to retrieve the qualitative geographic information to support the semantic matching and results ranking. It does not deal with geometric computation and is consistent with human commonsense cognition, and thus can improve the efficiency of geographic information retrieval technology.

研究动机与目标

• 解决定量模型在捕捉地理查询与文档语义含义方面的局限性。
• 通过定性建模主题与空间语义，支持更可靠、更一致的地理信息检索。
• 开发一种整合主题、概念与空间相似性的相似度度量框架，结合逻辑与模糊推理。
• 通过避免复杂的几何计算，使检索结果与人类常识认知保持一致。
• 提升地理信息检索系统中的语义匹配与结果排序效果。

提出的方法

• 将主题信息表示为基于领域本体的主题命题。
• 将空间信息表示为使用地理知识库的地理空间命题。
• 通过领域本体中命题关键词之间的加权距离计算主题相似性。
• 将空间相似性分解为概念相似性与空间相似性两部分，分别通过命题表示进行度量。
• 应用模糊逻辑与证据理论，将子相似性合并为最终的整体相似度得分。
• 使用命题逻辑统一语义与空间信息，实现无需几何运算的相似度计算。

实验结果

研究问题

• RQ1 如何使用定性方法有效表示地理文档与查询中的主题与空间语义？
• RQ2 基于领域本体的加权关键词距离，测量主题相似性的最有效方式是什么？
• RQ3 如何将空间相似性分解为概念与几何两部分，以支持定性推理？
• RQ4 模糊逻辑与证据理论如何结合，以生成地理信息检索的稳健相似度得分？
• RQ5 与定量模型相比，所提出方法在多大程度上提升了检索的可靠性与一致性？

主要发现

• 所提出方法通过基于逻辑的表示整合主题与空间语义，实现了改进的语义匹配。
• 在领域本体中使用加权距离，实现了主题相似性的有效计算。
• 概念相似性与空间相似性两部分通过定性命题成功分离并实现度量。
• 证据理论与模糊逻辑有效结合子相似性，生成统一的最终相似度得分。
• 该方法避免了几何计算，更符合人类常识认知，提升了检索效率。
• 通过减少语义损失，该方法在地理信息检索中支持了更一致、更可靠的结果。