-
公开(公告)号：CN113204606A
公开(公告)日：2021-08-03
申请号：CN202110478063.8
申请日：2021-04-30
Applicant: 武汉大学
Abstract: 本发明提供了一种基于语义位置网的地址位置推测方法，主要步骤包括对地址库进行切分和聚类，构建语义位置网；根据待推测的地址位置，通过语义位置网获取其空间包围盒；在空间包围盒中选取8到20个点构成最优分布，从分布中得到方向、距离和角度这三种参数信息，结合最优分布中地址的空间坐标，通过数学计算得到待推测地址位置的坐标。本发明提供了一种流程简明，效率高，能够对地址库缺失地址进行定位以及提高地址定位精度，应用于数字城市以及智慧城市构建中地址位置推测方案。
-
公开(公告)号：CN113204719A
公开(公告)日：2021-08-03
申请号：CN202110478183.8
申请日：2021-04-30
Applicant: 武汉大学
IPC: G06F16/9537 , G06N3/04 , G06N3/08 , G06Q30/02 , G06Q30/06
Abstract: 本发明提供一种基于位置信息叠加与深度神经网络的城市房屋租金估价方法,结合位置信息叠加、深度学习和地理加权回归(GWR)的方法，设计城市住房租金的定价模型。基于多尺度的位置信息叠加，可以充分挖掘、体现房屋所在的区位、邻里特征属性；将深度学习与地理加权回归相结合，可以一方面顾及到房价中的非线性、复杂特征，一方面体现房价的空间异质性特征，即反映了附近房价的影响。本模型可以较为准确地拟合、评估房租的价格。
-
Patent Agency Ranking
公开(公告)号：CN113282767B
公开(公告)日：2022-08-30
申请号：CN202110479288.5
申请日：2021-04-30
Applicant: 武汉大学
IPC: G06F16/387 , G06F40/242 , G06F40/295 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 位置信息不仅包括地理命名实体，实体间的相对位置信息也是重要的一部分。但是相对位置的表达形式多样，与日常语言十分贴近，很难通过固定的语法规则进行识别，需要我们探索新的方法来进行提取。本发明提出了一种面向文本的相对位置信息提取方法。本方法利用BiLSTM(双向LSTM)+CRF(条件随机场)模型和空间语义特征模板对文本中的数据进行训练，提取文本中的地名实体信息与相对位置信息，并结合中文文本中的语义结构和获取的外部特征库，构建位置指示性信息词典，制定相对位置信息的识别规则，进一步优化其相对位置信息提取的精度。
-
公开(公告)号：CN113282767A
公开(公告)日：2021-08-20
申请号：CN202110479288.5
申请日：2021-04-30
Applicant: 武汉大学
IPC: G06F16/387 , G06F40/242 , G06F40/295 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 位置信息不仅包括地理命名实体，实体间的相对位置信息也是重要的一部分。但是相对位置的表达形式多样，与日常语言十分贴近，很难通过固定的语法规则进行识别，需要我们探索新的方法来进行提取。本发明提出了一种面向文本的相对位置信息提取方法。本方法利用BiLSTM(双向LSTM)+CRF(条件随机场)模型和空间语义特征模板对文本中的数据进行训练，提取文本中的地名实体信息与相对位置信息，并结合中文文本中的语义结构和获取的外部特征库，构建位置指示性信息词典，制定相对位置信息的识别规则，进一步优化其相对位置信息提取的精度。
-
公开(公告)号：CN107808012B
公开(公告)日：2019-09-10
申请号：CN201711158709.4
申请日：2017-11-20
Applicant: 武汉大学
IPC: G06F16/29
Abstract: 本发明公开了一种基于共位的地理信息叠加方法，包括以下步骤：1)导入带有空间位置的地理信息数据；2)根据导入的地理信息数据两两之间是否存在空间共位关系，对数据进行分组，获得分组后的数据；3)对分组后的数据，针对每一个分组Sj，获取其中每一条数据st中包含的全部数据属性的结构；4)根据每一个分组Sj其中每一条数据st之间的共形结构关系，将Sj中的数据进一步划分为k个子分组，使每个子分组内部的数据具有相同的共形结构；5)汇总每个子分组内部的每一条数据信息，组成一条新的地理信息数据，完成地理信息的叠加。本发明立足地理信息数据本身的特点，不依赖于系统接口的设计，是一种适用于所有地理信息的普遍泛化的方法。
-
公开(公告)号：CN107808012A
公开(公告)日：2018-03-16
申请号：CN201711158709.4
申请日：2017-11-20
Applicant: 武汉大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于共位的地理信息叠加方法，包括以下步骤：1)导入带有空间位置的地理信息数据；2)根据导入的地理信息数据两两之间是否存在空间共位关系，对数据进行分组，获得分组后的数据；3)对分组后的数据，针对每一个分组Sj，获取其中每一条数据st中包含的全部数据属性的结构；4)根据每一个分组Sj其中每一条数据st之间的共形结构关系，将Sj中的数据进一步划分为k个子分组，使每个子分组内部的数据具有相同的共形结构；5)汇总每个子分组内部的每一条数据信息，组成一条新的地理信息数据，完成地理信息的叠加。本发明立足地理信息数据本身的特点，不依赖于系统接口的设计，是一种适用于所有地理信息的普遍泛化的方法。
-
公开(公告)号：CN113204719B
公开(公告)日：2023-05-23
申请号：CN202110478183.8
申请日：2021-04-30
Applicant: 武汉大学
IPC: G06F16/9537 , G06N3/04 , G06N3/084 , G06Q30/02 , G06Q30/0645 , G06Q30/0601
Abstract: 本发明提供一种基于位置信息叠加与深度神经网络的城市房屋租金估价方法,结合位置信息叠加、深度学习和地理加权回归(GWR)的方法，设计城市住房租金的定价模型。基于多尺度的位置信息叠加，可以充分挖掘、体现房屋所在的区位、邻里特征属性；将深度学习与地理加权回归相结合，可以一方面顾及到房价中的非线性、复杂特征，一方面体现房价的空间异质性特征，即反映了附近房价的影响。本模型可以较为准确地拟合、评估房租的价格。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
