空间表示增强的空间数据语义理解第十一届全国地图学与地理信息系统学术大会

Presentation Details

空间表示增强的空间数据语义理解

ID：105 View Protection：ATTENDEE Updated Time：2025-09-10 15:08:41 Hits：215 Oral Presentation

Start Time：Pending（Asia/Shanghai）

Duration：Pending

Session：No Session »

No files

Abstract

空间数据表示学习是地理空间智能（GeoAI）研究的重要议题。近年来，基于图神经网络（GNN）的空间数据建模已在多个空间数据分析任务中取得优异性能。但是，现有方法多关注特征工程、深度学习新架构的直接迁移，对要素空间关系、空间结构、交互尺度的显式建模的研究较少，没能充分利用GNN的表示学习能力，导致道路网结构的GNN表示能力不足。本文以路网匹配、路网模式识别、布局检索、道路分类等典型空间数据分析任务为例，讨论采用空间显式建模改进GNN建模的设计方法，并在真实空间数据分析实验上验证该方法对传统GNN性能的显著提升效果。为理解空间显式设计对空间数据语义理解的作用影响提供新思路。

Keywords

空间表示学习,语义理解,表示增强,图神经网络,道路网

Speaker

杨剑

讲师 信息工程大学

Submission Author

杨剑信息工程大学

Submit Comment

All Comments

Important Date

Conference Date

Sep 19

2025

to

Nov 21

2025
Sep 08 2025

Draft paper submission deadline
Sep 21 2025

Registration deadline

Organized By

河海大学地理与遥感学院
江苏省流域地理空间智能工程研究中心

Contact Information

陈跃红
yu******@hhu.edu.cn
153********

第十一届全国地图学与地理信息系统学术大会