报告详情
空间表示增强的空间数据语义理解
编号：105
访问权限：仅限参会人
更新：2025-09-10 15:08:41 浏览：2次
口头报告
报告开始：暂无开始时间（Asia/Shanghai）
报告时间：暂无持续时间
所在会场：[暂无会议] [暂无会议段]
暂无文件
摘要
空间数据表示学习是地理空间智能（GeoAI）研究的重要议题。近年来，基于图神经网络（GNN）的空间数据建模已在多个空间数据分析任务中取得优异性能。但是，现有方法多关注特征工程、深度学习新架构的直接迁移，对要素空间关系、空间结构、交互尺度的显式建模的研究较少，没能充分利用GNN的表示学习能力，导致道路网结构的GNN表示能力不足。本文以路网匹配、路网模式识别、布局检索、道路分类等典型空间数据分析任务为例，讨论采用空间显式建模改进GNN建模的设计方法，并在真实空间数据分析实验上验证该方法对传统GNN性能的显著提升效果。为理解空间显式设计对空间数据语义理解的作用影响提供新思路。
关键词
空间表示学习,语义理解,表示增强,图神经网络,道路网
报告人
杨剑
讲师 信息工程大学稿件作者
全部评论
重要日期
-
会议日期
09月19日
2025
至09月21日
2025
-
09月08日 2025
初稿截稿日期
-
09月21日 2025
注册截止日期
主办单位
河海大学
中国地理学会地图学与地理信息系统专业委员会
中国地质学会地质制图与地理信息专业委员会
中国测绘学会地图学与地理信息系统专业委员会
中国地理信息产业协会地图工作委员会
中国自然资源学会资源制图专业委员会
中国地理学会地图学与地理信息系统专业委员会
中国地质学会地质制图与地理信息专业委员会
中国测绘学会地图学与地理信息系统专业委员会
中国地理信息产业协会地图工作委员会
中国自然资源学会资源制图专业委员会
承办单位
河海大学地理与遥感学院
江苏省流域地理空间智能工程研究中心
江苏省流域地理空间智能工程研究中心
联系方式
- 陈跃红
- yu******@hhu.edu.cn
- 153********
发表评论