[发明专利]基于网络挖掘的遥感产品检索限定项语义扩展方法

说明书

本发明提出了一种基于网络挖掘的遥感产品检索限定项语义扩展方法，主要包括：基于网络搜索结果的简介内容、时间信息抽取，形成摘录篇章；抽取、摘录篇章中的时间词、空间词，标注时间词对应的基本时间表达和空间词；将已标注的基本时间表达进行规范化处理；统计规范化的基本时间表达和空间词，将高频出现的时空词作为扩展结果。针对遥感产品检索中，用户输入的时空信息具有模糊性、指代性、动态性的问题，提出基于网络挖掘的遥感产品检索限定项语义扩展方法，定位完整的时空信息，实现对用户输入信息的语义扩展，进而准确理解用户需求，提高检索的准确性、实时性。

技术领域

本发明属于遥感数据处理与信息提取领域，涉及基于网络挖掘技术的遥感产品检索限定项语义扩展技术。

背景技术

遥感产品检索限定项语义扩展指的是对遥感产品进行检索时，对其检索内容中限定项所包含的时间和地点信息进行语义扩展。其中，限定项是指用户查询遥感产品的检索内容中包含的时间与空间限定信息，分为显性的和隐性的时空信息，其中显性的时空信息是指检索内容中直接显示出时间和空间的信息，而隐性的时空信息是指检索内容中没有直接显示出时间和空间信息，但通过对检索内容的分析或扩展可以获得相关时间和空间的信息。

当前，遥感产品检索服务以基于语义的遥感产品检索方式为主，针对该种检索方式，目前研究较多的扩展方法是对象语义和空间关系语义的构建，但对更高层的自然语言语义扩展方面的研究较少，尤其是自动扩展遥感产品用户语义方面的研究。

武汉大学陈旭等人提出了一种自动扩展遥感产品用户语义的方法，是通过扩展ISO19115-2模型(ISO19115-2是一个地理信息元数据的国际标准)，以UML(UML是面向对象的模型构建语言)结合数据字典的方式构建影像元数据本体，实现遥感影像产品的查询扩展。但受本体构建原理限制，通过本体的查询扩展具有极强的专业性，不便于普通用户检索，但随着遥感产品服务的公众化，遥感产品的领域特征日渐弱化，且遥感产品服务的异构性和动态性特征日益显著，单纯依靠本体思想进行用户语义扩展不能够满足检索查准率和查全率要求。

发明内容

本发明要解决的技术问题是提供一种基于网络挖掘技术的、便用公众使用、查全率高的遥感产品检索限定项语义扩展方法。

为解决上述技术问题，本发明提出了一种基于网络挖掘的遥感产品检索限定项语义扩展方法，包括如下步骤：

S1、将查询内容的限定项输入搜索引擎，对网络搜索结果进行抽取，抽取每条记录的内容简介形成语段，顺序组成摘录篇章；

同时，抽取每条记录的公开时间，在无公开时间的情况下抽取文档建立时间，定义时间规范格式，将公开时间或文档建立时间按照时间规范格式转换作为基准参照时间，并将基准参照时间记录在其对应的内容简介语段中；若某条记录无公开时间和文档建立时间，或者公开时间、文档建立时间不能按照时间规范格式转换，则其对应的内容简介语段无基准参照时间；

S2、对摘录篇章进行分词处理，识别分词中时间词和空间词，将时间词形成基本时间表达，并标注基本时间表达、空间词；

S3、对没有基准参照时间的语段，判定已标注的基本时间表达中是否有与时间规范格式匹配的基本时间表达，若有，将其设为该语段的基准参照时间；若没有，删除该语段；对含有基准参照时间的语段，将已标注的基本时间表达转换为时间规范格式，若转换时基本时间表达不完整，则缺失部分填充该语段的基准参照时间；

S4、统计规范的时间表达和空间词，将最高频出现的时间表达和空间词作为语义扩展结果。

针对上述遥感产品检索限定项语义扩展方法，所述步骤S1包括如下步骤：

S11、建立网络检索抽取信息表，网络检索抽取信息表包括搜索引擎域名、搜索引擎地址模板、摘要内容节点标识、公开时间标识、文档建立时间标识、抽取页面数量、检索结果页面数量标识；