【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)屬于國(guó)土空間數(shù)據(jù)處理，具體涉及一種空間大數(shù)據(jù)治理方法及系統(tǒng)。
技術(shù)介紹
1、我國(guó)空間數(shù)據(jù)治理在實(shí)踐中存在諸多困難和問(wèn)題，主要表現(xiàn)在以下２個(gè)方面。
2、一是目錄局限性問(wèn)題，目前尚未形成科學(xué)、法定的全域、全要素、全局性、全過(guò)程的國(guó)土空間數(shù)據(jù)目錄體系。目前尚未形成科學(xué)、法定的全域、全要素、全局性、全過(guò)程的國(guó)土空間數(shù)據(jù)目錄體系。國(guó)土空間數(shù)據(jù)目錄編制是數(shù)據(jù)統(tǒng)一管理的基礎(chǔ)也是進(jìn)行數(shù)據(jù)治理的依據(jù)，在明確數(shù)據(jù)血緣關(guān)系上發(fā)揮著不可替代的作用。
3、二是數(shù)據(jù)關(guān)聯(lián)性問(wèn)題。空間數(shù)據(jù)特別是土地等核心數(shù)據(jù)，在隨業(yè)務(wù)流轉(zhuǎn)過(guò)程中，由于業(yè)務(wù)內(nèi)容和使用需求不同，遵循的業(yè)務(wù)標(biāo)準(zhǔn)規(guī)范不同，導(dǎo)致數(shù)據(jù)結(jié)構(gòu)、屬性內(nèi)容不斷變化，數(shù)據(jù)不斷再加工，從而產(chǎn)生了同一國(guó)土空間數(shù)據(jù)在不同業(yè)務(wù)條線中信息不同的問(wèn)題，甚至存在相同業(yè)務(wù)不同年份數(shù)據(jù)由于數(shù)據(jù)結(jié)構(gòu)和業(yè)務(wù)鏈條變化，無(wú)法支撐長(zhǎng)時(shí)間序列數(shù)據(jù)聯(lián)動(dòng)應(yīng)用等情況。?在這一問(wèn)題影響下，單個(gè)部門的信息化程度越高、標(biāo)準(zhǔn)規(guī)范執(zhí)行越嚴(yán)格，與其他部門的數(shù)據(jù)協(xié)同應(yīng)用就越存在困難。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)提供的一種空間大數(shù)據(jù)治理方法及系統(tǒng)，能夠利用半監(jiān)督學(xué)習(xí)訓(xùn)練一個(gè)空間大數(shù)據(jù)標(biāo)簽分類模型，從而對(duì)無(wú)標(biāo)簽的空間大數(shù)據(jù)進(jìn)行標(biāo)簽分類，進(jìn)而在統(tǒng)一的空間大數(shù)據(jù)的元數(shù)據(jù)模型的基礎(chǔ)上，生成相應(yīng)的結(jié)構(gòu)化數(shù)據(jù)進(jìn)行存儲(chǔ)，能夠克服上述現(xiàn)有技術(shù)中存在的問(wèn)題。
2、本專利技術(shù)解決上述技術(shù)問(wèn)題的技術(shù)方案如下：
3、第一方面，本專利技術(shù)提供了一種空間大數(shù)據(jù)治理方法，包括以下步驟：p>
4、s1：根據(jù)不同類型的空間大數(shù)據(jù)的數(shù)據(jù)特征，構(gòu)建元數(shù)據(jù)模型；
5、s2：構(gòu)建半監(jiān)督學(xué)習(xí)模型，獲取歷史空間大數(shù)據(jù)作為訓(xùn)練集，并對(duì)半監(jiān)督學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到空間大數(shù)據(jù)分類模型；
6、s3：根據(jù)空間大數(shù)據(jù)模型對(duì)空間大數(shù)據(jù)進(jìn)行分類，并根據(jù)元數(shù)據(jù)模型，對(duì)空間大數(shù)據(jù)進(jìn)行重新定義。
7、在一些實(shí)施例中，所述s1包括：
8、s11：提取空間大數(shù)據(jù)的數(shù)據(jù)特征；
9、s12：將數(shù)據(jù)特征中的時(shí)空信息作為固有性元數(shù)據(jù)，空間數(shù)據(jù)的來(lái)源以及數(shù)據(jù)類型作為管理性元數(shù)據(jù)，空間數(shù)據(jù)的業(yè)務(wù)內(nèi)容作為描述性元數(shù)據(jù)，構(gòu)建元數(shù)據(jù)模型。
10、在一些實(shí)施例中，所述s2還包括：
11、s21：將歷史空間大數(shù)據(jù)中帶有時(shí)空信息標(biāo)簽的數(shù)據(jù)作為初始訓(xùn)練集，對(duì)初始分類模型進(jìn)行訓(xùn)練；
12、s22：利用初始分類模型對(duì)無(wú)標(biāo)簽的空間大數(shù)據(jù)進(jìn)行預(yù)測(cè)，計(jì)算無(wú)標(biāo)簽的空間大數(shù)據(jù)中各數(shù)據(jù)屬于每個(gè)標(biāo)簽的概率；
13、s23：預(yù)設(shè)一個(gè)概率閾值，對(duì)高于概率閾值的無(wú)標(biāo)簽數(shù)據(jù)賦予一個(gè)標(biāo)簽，并添加到初始訓(xùn)練集，形成自學(xué)習(xí)訓(xùn)練集；
14、s24：利用自學(xué)習(xí)訓(xùn)練集對(duì)初始分類模型重新訓(xùn)練，獲得空間大數(shù)據(jù)分類模型。
15、在一些實(shí)施例中，所述“對(duì)高于概率閾值的無(wú)標(biāo)簽數(shù)據(jù)賦予一個(gè)標(biāo)簽”包括：
16、s231：預(yù)設(shè)一個(gè)概率閾值，將所述s22中獲取的各數(shù)據(jù)對(duì)應(yīng)每個(gè)標(biāo)簽的概率與概率閾值進(jìn)行比較，并將各數(shù)據(jù)對(duì)應(yīng)每個(gè)標(biāo)簽的概率中大于概率閾值且概率最大的標(biāo)簽分配到對(duì)應(yīng)的數(shù)據(jù)；
17、s232：將分配到標(biāo)簽的數(shù)據(jù)添加到初始訓(xùn)練集，形成自學(xué)習(xí)訓(xùn)練集。
18、第二方面，本專利技術(shù)提供了一種空間大數(shù)據(jù)治理系統(tǒng)，包括：
19、元數(shù)據(jù)模型構(gòu)建模塊，用于根據(jù)不同類型的空間大數(shù)據(jù)的數(shù)據(jù)特征，構(gòu)建元數(shù)據(jù)模型；
20、分類模型構(gòu)建模塊，用于構(gòu)建半監(jiān)督學(xué)習(xí)模型，獲取歷史空間大數(shù)據(jù)作為訓(xùn)練集，并對(duì)半監(jiān)督學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到空間大數(shù)據(jù)分類模型；
21、數(shù)據(jù)分類定義模塊，用于根據(jù)空間大數(shù)據(jù)模型對(duì)空間大數(shù)據(jù)進(jìn)行分類，并根據(jù)元數(shù)據(jù)模型，對(duì)空間大數(shù)據(jù)進(jìn)行重新定義。
22、在一些實(shí)施例中，所述元數(shù)據(jù)模型構(gòu)建模塊包括：
23、數(shù)據(jù)特征提取子模塊，用于提取空間大數(shù)據(jù)的數(shù)據(jù)特征；
24、元數(shù)據(jù)定義子模塊，用于將數(shù)據(jù)特征中的時(shí)空信息作為固有性元數(shù)據(jù)，空間數(shù)據(jù)的來(lái)源以及數(shù)據(jù)類型作為管理性元數(shù)據(jù)，空間數(shù)據(jù)的業(yè)務(wù)內(nèi)容作為描述性元數(shù)據(jù)，構(gòu)建元數(shù)據(jù)模型。
25、在一些實(shí)施例中，所述分類模型構(gòu)建模塊包括：
26、初始分類模型訓(xùn)練子模塊，用于將歷史空間大數(shù)據(jù)中帶有時(shí)空信息標(biāo)簽的數(shù)據(jù)作為初始訓(xùn)練集，對(duì)初始分類模型進(jìn)行訓(xùn)練；
27、標(biāo)簽預(yù)測(cè)子模塊，用于利用初始分類模型對(duì)無(wú)標(biāo)簽的空間大數(shù)據(jù)進(jìn)行預(yù)測(cè)，計(jì)算無(wú)標(biāo)簽的空間大數(shù)據(jù)中各數(shù)據(jù)屬于每個(gè)標(biāo)簽的概率；
28、訓(xùn)練集擴(kuò)充子模塊，用于選擇一個(gè)概率閾值，對(duì)高于概率閾值的無(wú)標(biāo)簽數(shù)據(jù)賦予一個(gè)標(biāo)簽，并添加到初始訓(xùn)練集，形成自學(xué)習(xí)訓(xùn)練集；
29、自訓(xùn)練子模塊，用于利用自學(xué)習(xí)訓(xùn)練集對(duì)初始分類模型重新訓(xùn)練，獲得空間大數(shù)據(jù)分類模型。
30、在一些實(shí)施例中，所述訓(xùn)練集擴(kuò)充子模塊包括：
31、標(biāo)簽分配單元，用于預(yù)設(shè)一個(gè)概率閾值，將所述標(biāo)簽預(yù)測(cè)子模塊中獲取的各數(shù)據(jù)對(duì)應(yīng)每個(gè)標(biāo)簽的概率與概率閾值進(jìn)行比較，并將各數(shù)據(jù)對(duì)應(yīng)每個(gè)標(biāo)簽的概率中大于概率閾值且概率最大的標(biāo)簽分配到對(duì)應(yīng)的數(shù)據(jù)；
32、自學(xué)習(xí)訓(xùn)練集生成單元，用于將分配到標(biāo)簽的數(shù)據(jù)添加到初始訓(xùn)練集，形成自學(xué)習(xí)訓(xùn)練集。
33、第三方面，本專利技術(shù)提供了一種計(jì)算機(jī)，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如上述任意一項(xiàng)所述的計(jì)算方法。
34、第四方面，本專利技術(shù)提供了一種可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述任意一項(xiàng)所述的計(jì)算方法。
35、本申請(qǐng)的有益效果是：
36、本申請(qǐng)?zhí)峁┑囊环N空間大數(shù)據(jù)治理方法及系統(tǒng)，能夠利用半監(jiān)督學(xué)習(xí)訓(xùn)練一個(gè)空間大數(shù)據(jù)標(biāo)簽分類模型，從而對(duì)無(wú)標(biāo)簽的空間大數(shù)據(jù)進(jìn)行標(biāo)簽分類，進(jìn)而在統(tǒng)一的空間大數(shù)據(jù)的元數(shù)據(jù)模型的基礎(chǔ)上，生成相應(yīng)的結(jié)構(gòu)化數(shù)據(jù)進(jìn)行存儲(chǔ)。
本文檔來(lái)自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種空間大數(shù)據(jù)治理方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種空間大數(shù)據(jù)治理方法，其特征在于，所述S1包括：
3.根據(jù)權(quán)利要求1所述的一種空間大數(shù)據(jù)治理方法，其特征在于，所述S2還包括：
4.根據(jù)權(quán)利要求3所述的一種空間大數(shù)據(jù)治理方法，其特征在于，所述“對(duì)高于概率閾值的無(wú)標(biāo)簽數(shù)據(jù)賦予一個(gè)標(biāo)簽”包括：
5.一種空間大數(shù)據(jù)治理系統(tǒng)，其特征在于，包括：
6.根據(jù)權(quán)利要求5所述的一種空間大數(shù)據(jù)治理系統(tǒng)，其特征在于，所述元數(shù)據(jù)模型構(gòu)建模塊包括：
7.根據(jù)權(quán)利要求5所述的一種空間大數(shù)據(jù)治理系統(tǒng)，其特征在于，所述分類模型構(gòu)建模塊包括：
8.根據(jù)權(quán)利要求7所述的一種空間大數(shù)據(jù)治理系統(tǒng)，其特征在于，所述訓(xùn)練集擴(kuò)充子模塊包括：
9.一種計(jì)算機(jī)，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至4中任意一項(xiàng)所述的計(jì)算方法。
10.一種可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該程序被
...【技術(shù)特征摘要】
1.一種空間大數(shù)據(jù)治理方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種空間大數(shù)據(jù)治理方法，其特征在于，所述s1包括：
3.根據(jù)權(quán)利要求1所述的一種空間大數(shù)據(jù)治理方法，其特征在于，所述s2還包括：
4.根據(jù)權(quán)利要求3所述的一種空間大數(shù)據(jù)治理方法，其特征在于，所述“對(duì)高于概率閾值的無(wú)標(biāo)簽數(shù)據(jù)賦予一個(gè)標(biāo)簽”包括：
5.一種空間大數(shù)據(jù)治理系統(tǒng)，其特征在于，包括：
6.根據(jù)權(quán)利要求5所述的一種空間大數(shù)據(jù)治理系統(tǒng)，其特征在于，所述元數(shù)據(jù)模型構(gòu)建模塊包括：
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：張婕，向煜，華媛媛，韓熙，黃志，黃令，何波，唐時(shí)蕎，孟云豪，李奎君，向譚先，宦臣，周林秋，黃國(guó)洪，胡長(zhǎng)青，
申請(qǐng)(專利權(quán))人：重慶數(shù)字城市科技有限公司，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。