面向web的文本地理信息挖掘技術(shù)研究.pdf

1、地理信息在民用、商用、國防等方面都有著重要的應(yīng)用，而地理信息的獲取卻受到多方面限制。目前，互聯(lián)網(wǎng)中存在著大量的地理信息，通過網(wǎng)絡(luò)獲取地理信息，突破傳統(tǒng)地理信息獲取手段的限制，已經(jīng)成為地理信息獲取的一種重要手段。但網(wǎng)絡(luò)數(shù)據(jù)海量、數(shù)據(jù)類型繁雜，導(dǎo)致從網(wǎng)絡(luò)獲取地理信息十分困難。為解決這一問題，本文對地理信息的獲取及地理信息的分類展開了研究。
　　本文提出一種結(jié)合地理信息本體庫的主題網(wǎng)絡(luò)爬蟲算法，通過構(gòu)建地理信息本體庫，對網(wǎng)頁內(nèi)容相關(guān)度進

2、行評估;同時結(jié)合網(wǎng)頁鏈接過濾、網(wǎng)頁鏈接權(quán)威度評估，對網(wǎng)頁進行網(wǎng)絡(luò)地理信息的篩選。實驗結(jié)果表明，本文提出的算法能夠有效地過濾與地理信息不相關(guān)網(wǎng)頁，并提高了地理信息網(wǎng)頁獲取的準確度。
　　本文針對地理信息分類提出了一種融合距離閾值的最近鄰分類算法，該算法依據(jù)類別的重心與待分類樣本的空間距離，通過對比設(shè)定的距離閾值對分類樣本進行類別劃分。實驗結(jié)果表明，本文提出的算法能夠有效地對地理信息進行分類，分類準確度較高。同時利用Apriori算法

3、實現(xiàn)了對地理信息關(guān)聯(lián)規(guī)則的挖掘。
　　最后，利用提出的主題網(wǎng)絡(luò)爬蟲算法、最近鄰分類算法，實現(xiàn)了面向web的文本地理信息挖掘系統(tǒng)。該系統(tǒng)將網(wǎng)頁文本與地理信息本體庫中的本體進行對比，評估網(wǎng)頁相關(guān)度。篩選并獲取地理信息相關(guān)度高的網(wǎng)頁文本，進行預(yù)處理并提取網(wǎng)頁文本特征，利用網(wǎng)頁文本特征集將網(wǎng)頁文本轉(zhuǎn)換為空間向量并進行分類處理。通過對比基礎(chǔ)地理信息關(guān)鍵詞、提取文本摘要對所需地名地點進行信息抽取。利用Apriori算法實現(xiàn)對地理信息的關(guān)聯(lián)規(guī)則