矢量数据智能分类是利用智能化技术将未知类别的矢量数据归类到已有类别体系中,目标是实现数据智能快速准确分类、缩短数据整合周期、提升数据治理效能。现有研究在一定程度上提升了数据分类的精度,但所选取的特征有限,且面对海量数据...矢量数据智能分类是利用智能化技术将未知类别的矢量数据归类到已有类别体系中,目标是实现数据智能快速准确分类、缩短数据整合周期、提升数据治理效能。现有研究在一定程度上提升了数据分类的精度,但所选取的特征有限,且面对海量数据时未充分顾及矢量数据的语义特征。因此,基于BERT(bidirectional encoder representations from Transformer)模型,本文提出一种基于属性文本语义解析的矢量数据分类方法Attribute-LE(local-enhanced)-BERT。通过构建局部特征增强模块,挖掘数据属性字段的语义特征;并融合多层加权池化模块,建立空间对象属性文本与数据类别之间的映射关系,实现待归类矢量数据所属类别的准确判定;为验证方法可行性,与已有常用模型进行比较分析。结果表明,相较于已有模型,在线、面数据集上,本文方法性能表现优秀,对与训练数据分类体系一致度高的类型可获得超过90%的预测准确率。展开更多
基于Web of Science核心合集及中国知网CSSCI/CSCD期刊数据库,以“生态系统服务”“价值评估”“核算模型”与“生态产品”为关键词检索相关文献,从生态系统服务基本概念、价值评估方法、价值核算应用等三方面,系统梳理国内外相关研究进...基于Web of Science核心合集及中国知网CSSCI/CSCD期刊数据库,以“生态系统服务”“价值评估”“核算模型”与“生态产品”为关键词检索相关文献,从生态系统服务基本概念、价值评估方法、价值核算应用等三方面,系统梳理国内外相关研究进展,促进生态系统服务的理论完善与实践应用。当前学界对生态系统服务的内容已达成共识,评估对象广泛、区域尺度多元,在价值核算方面已初步形成统一的核算标准。精准评估生态系统服务价值量、促进评估成果的应用是未来的主要发展方向。展开更多
文摘矢量数据智能分类是利用智能化技术将未知类别的矢量数据归类到已有类别体系中,目标是实现数据智能快速准确分类、缩短数据整合周期、提升数据治理效能。现有研究在一定程度上提升了数据分类的精度,但所选取的特征有限,且面对海量数据时未充分顾及矢量数据的语义特征。因此,基于BERT(bidirectional encoder representations from Transformer)模型,本文提出一种基于属性文本语义解析的矢量数据分类方法Attribute-LE(local-enhanced)-BERT。通过构建局部特征增强模块,挖掘数据属性字段的语义特征;并融合多层加权池化模块,建立空间对象属性文本与数据类别之间的映射关系,实现待归类矢量数据所属类别的准确判定;为验证方法可行性,与已有常用模型进行比较分析。结果表明,相较于已有模型,在线、面数据集上,本文方法性能表现优秀,对与训练数据分类体系一致度高的类型可获得超过90%的预测准确率。
文摘基于Web of Science核心合集及中国知网CSSCI/CSCD期刊数据库,以“生态系统服务”“价值评估”“核算模型”与“生态产品”为关键词检索相关文献,从生态系统服务基本概念、价值评估方法、价值核算应用等三方面,系统梳理国内外相关研究进展,促进生态系统服务的理论完善与实践应用。当前学界对生态系统服务的内容已达成共识,评估对象广泛、区域尺度多元,在价值核算方面已初步形成统一的核算标准。精准评估生态系统服务价值量、促进评估成果的应用是未来的主要发展方向。
