时空建模
耿晴, 孙续锦, 杨丽, 曾长红, 任娜, 朱长青
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。