江西地名研究

關(guān)注我們，獲取更多地名資訊

摘要：針對(duì)境外地名數(shù)據(jù)缺失的問題，該文提出了一種基于地名派生關(guān)系的未登錄地名發(fā)現(xiàn)方法。通過構(gòu)建地名時(shí)空派生關(guān)系知識(shí)圖譜，結(jié)合深度學(xué)習(xí)技術(shù)實(shí)現(xiàn)未登錄地名發(fā)現(xiàn)與空間位置推理。首先，采用混合方法構(gòu)建地名派生關(guān)系知識(shí)圖譜，形式化表達(dá)地名派生規(guī)則；其次，基于BERT-CRF模型（F1值達(dá)0.9567）標(biāo)注地名成分，結(jié)合知識(shí)圖譜的語義與空間約束驗(yàn)證潛在地名，最終實(shí)現(xiàn)84.5%的發(fā)現(xiàn)準(zhǔn)確率；最后，通過通名映射類別和查詢知識(shí)圖譜空間關(guān)系，生成潛在地名位置，人工評(píng)估顯示77.1%的推理結(jié)果合理。實(shí)驗(yàn)證明該方法能有效補(bǔ)充欠發(fā)達(dá)地區(qū)地名數(shù)據(jù)，未來將優(yōu)化多語言支持與動(dòng)態(tài)更新機(jī)制。

關(guān)鍵詞：未登錄地名；知識(shí)圖譜；時(shí)空派生關(guān)系；BERT-CRF；空間推理

0 引言

地名作為地理實(shí)體的重要標(biāo)識(shí)，承載著豐富的地理、歷史和文化信息，是地理信息系統(tǒng)中不可或缺的關(guān)鍵數(shù)據(jù)。地名數(shù)據(jù)不僅為地理空間檢索與分析提供了直觀的參考，還在城市規(guī)劃、導(dǎo)航服務(wù)、災(zāi)害救援及基礎(chǔ)設(shè)施建設(shè)等領(lǐng)域發(fā)揮著重要作用。然而，由于數(shù)據(jù)采集的困難性，尤其是非洲等欠發(fā)達(dá)地區(qū)受限于經(jīng)濟(jì)條件和技術(shù)手段，大量地名未被正式收錄，形成“未登錄地名”問題。這些缺失的地名數(shù)據(jù)影響了地理信息系統(tǒng)的完整性和可用性，制約了區(qū)域資源管理和經(jīng)濟(jì)發(fā)展的效率。

地名派生作為一種特殊的地名命名方式，近些年受到研究學(xué)者的廣泛關(guān)注。從文化與歷史角度看，文獻(xiàn)通過約魯巴謎語揭示了地名派生與文化背景的關(guān)聯(lián)。從語言學(xué)角度來說文獻(xiàn)對(duì)比了英語和德語中的派生詞綴特征；文獻(xiàn)系統(tǒng)梳理了派生地名的概念框架、生成機(jī)制及譯寫規(guī)范；文獻(xiàn)則進(jìn)一步提出了“原生／派生”“對(duì)稱／聯(lián)稱”等分類體系。從地理信息科學(xué)角度來說，文獻(xiàn)提出了基于Geo Hash編碼的派生地名識(shí)別算法，解決了人工標(biāo)注效率低的問題；文獻(xiàn)則對(duì)地名時(shí)空派生關(guān)系進(jìn)行了規(guī)范化定義與網(wǎng)絡(luò)構(gòu)建，推動(dòng)了相關(guān)推理研究的發(fā)展。然而，現(xiàn)有研究多是從文化和語言學(xué)角度進(jìn)行分析，地理信息科學(xué)方面的研究停留于理論分析，缺乏實(shí)際應(yīng)用，利用地名派生關(guān)系價(jià)值尚未充分挖掘。

知識(shí)圖譜作為一種結(jié)構(gòu)化的知識(shí)表示方法，能夠有效建模實(shí)體間的語義關(guān)系，為地名派生關(guān)系的挖掘提供了新的技術(shù)途徑。地名時(shí)空派生關(guān)系（如“北京大學(xué)地鐵站”源自“北京大學(xué)”）不僅體現(xiàn)名稱的相似性，還隱含空間鄰近性，可用于推斷潛在未登錄地名的位置。盡管空間關(guān)系推理在模糊查詢和位置描述方面已有研究，但如何結(jié)合派生關(guān)系實(shí)現(xiàn)未登錄地名的發(fā)現(xiàn)仍屬空白。

針對(duì)上述問題，本文提出了一種集成知識(shí)圖譜與深度學(xué)習(xí)的未登錄地名發(fā)現(xiàn)與空間位置推理方法。本文的主要?jiǎng)?chuàng)新體現(xiàn)在以下兩個(gè)方面：①提出了一個(gè)融合多維度約束的地名派生關(guān)系形式化框架：通過構(gòu)建地名時(shí)空派生關(guān)系知識(shí)圖譜，統(tǒng)一表達(dá)了地名在語義、空間和類別上的派生規(guī)則與關(guān)聯(lián)關(guān)系，為未登錄地名發(fā)現(xiàn)提供了可計(jì)算的知識(shí)基礎(chǔ)。②構(gòu)建了從派生關(guān)系發(fā)現(xiàn)到空間位置生成的端到端推理鏈路：通過查詢知識(shí)圖譜中預(yù)定義的類別空間關(guān)系，將潛在地名的語義信息轉(zhuǎn)化為具體的空間坐標(biāo)，實(shí)現(xiàn)了未登錄地名從“名稱”到“位置”的完整補(bǔ)全。

實(shí)驗(yàn)表明，本方法在欠發(fā)達(dá)地區(qū)地名數(shù)據(jù)補(bǔ)全中具有顯著效果。本研究不僅拓展了知識(shí)圖譜與深度學(xué)習(xí)技術(shù)在地理信息科學(xué)中的應(yīng)用深度，也為解決全球地名數(shù)據(jù)不均衡問題提供了一種新穎、自動(dòng)化的解決方案。

1 技術(shù)思路

本文提出了一種基于地名派生關(guān)系的未登錄地名發(fā)現(xiàn)方法，結(jié)合知識(shí)圖譜與深度學(xué)習(xí)技術(shù)，實(shí)現(xiàn)未登錄地名的自動(dòng)發(fā)現(xiàn)與空間位置推理。

首先，對(duì)核心概念“未登錄地名”進(jìn)行界定。傳統(tǒng)自然語言處理中的“未登錄詞”指未被收錄在分詞詞表中但必須被切分出來的詞。本文繼承并擴(kuò)展了這一概念：“未登錄地名”特指那些在現(xiàn)有權(quán)威或開源地名數(shù)據(jù)庫（如GeoNames、OpenStreetMap）中未被收錄，但在現(xiàn)實(shí)世界實(shí)際存在的地理實(shí)體。其名稱、空間位置及類別可以通過本文提出的派生關(guān)系推理方法從已登錄地名中推斷生成。本文將這一任務(wù)稱為未登錄地名發(fā)現(xiàn)任務(wù)。

為方便起見，下文統(tǒng)一將地名時(shí)空派生關(guān)系簡寫為派生關(guān)系。

研究整體框架如圖1所示。

整體技術(shù)思路分為以下4個(gè)階段：

1）地名派生關(guān)系的形式化表達(dá)。采用自頂向下和自底向上的混合方法構(gòu)建派生關(guān)系知識(shí)圖譜，定義核心類及其關(guān)系。

2）潛在派生關(guān)系發(fā)現(xiàn)。使用BERT-CRF模型標(biāo)注地名成分。將多通名地名作為候選派生地名，并通過知識(shí)圖譜的語義與空間約束驗(yàn)證潛在派生關(guān)系。

3）空間位置推理。通過通名映射類別確定潛在地名與候選派生地名的地理實(shí)體類型。查詢知識(shí)圖譜中的空間關(guān)系，結(jié)合候選派生地名的坐標(biāo)生成潛在地名位置。

4）實(shí)驗(yàn)驗(yàn)證。在非洲四國開源地理數(shù)據(jù)上進(jìn)行測試，評(píng)估未登錄地名發(fā)現(xiàn)的準(zhǔn)確率和空間推理的合理性。

2 關(guān)系規(guī)則及形式化表達(dá)

2.1 派生關(guān)系定義

派生關(guān)系是指在給新發(fā)現(xiàn)地物命名時(shí)，經(jīng)過附加、并合和緊縮現(xiàn)有地名來命名新地名，以建立兩地名之間的關(guān)系，這種關(guān)系定義為“派生關(guān)系”。派生關(guān)系可進(jìn)一步分為繼承派生、影響派生、時(shí)空派生，其中地名時(shí)空派生關(guān)系是指基于最新更名的原生地名，新發(fā)現(xiàn)的地名位于原生地名周圍，所以在命名時(shí)借用原生地名作為新地名專名部分進(jìn)行命名。其核心特征是：

名稱相似性：派生地名通常保留原生地名部分（如“北京大學(xué)”→“北京大學(xué)地鐵站”）。

空間鄰近性：派生地物通常位于原生地物附近（如“北京西站南廣場”靠近“北京西站”）。

類別關(guān)聯(lián)性：派生地物與原生地物類別存在邏輯聯(lián)系（如“中關(guān)村”→“中關(guān)村軟件園”）。

2.2 派生關(guān)系判定規(guī)則

派生關(guān)系的判定規(guī)則是一個(gè)綜合考量語義、空間和類別特征的多維度分析過程。該規(guī)則主要基于以下3個(gè)核心條件：

第一，在語義相似性方面，需要計(jì)算原生地名與派生地名之間的名稱相似度。當(dāng)兩者的名稱相似度超過預(yù)設(shè)的閾值時(shí)，表明它們?cè)诿洗嬖诿黠@的關(guān)聯(lián)性，這是判定派生關(guān)系的基礎(chǔ)條件。

第二，在空間關(guān)系方面，要求派生地物與原生地物之間必須存在特定的空間關(guān)聯(lián)模式。這種空間關(guān)系可能表現(xiàn)為包含、相鄰或觸碰等拓?fù)潢P(guān)系。關(guān)鍵的是，兩者的空間距離必須小于其對(duì)應(yīng)地物類別組合所設(shè)定的特定鄰近距離閾值。這一條件確保了派生關(guān)系具有地理空間上的合理性。第三，在類別關(guān)聯(lián)性方面，需要計(jì)算派生地物類別與原生地物類別的相似度。當(dāng)類別相似度超過特定閾值時(shí)，表明兩者在功能或性質(zhì)上具有繼承或衍生關(guān)系。

只有當(dāng)兩個(gè)地名同時(shí)滿足上述3個(gè)條件時(shí)，系統(tǒng)才會(huì)判定它們之間存在派生關(guān)系。這種多維度判定的方法既考慮了名稱的語義延續(xù)性，又兼顧了空間分布的合理性，同時(shí)還確保了類別特征的關(guān)聯(lián)性，從而有效提高了派生關(guān)系判定的準(zhǔn)確性。

設(shè)定語義相似度閾值為70%。具體依據(jù)為：首先，通過人工篩選確定訓(xùn)練集中的原生－派生地名對(duì)作為真值；隨后計(jì)算兩者之間的名稱相似度，并統(tǒng)計(jì)全部相似度數(shù)據(jù)后取平均值，最終確定70%為統(tǒng)一閾值。

類別相似度的計(jì)算與閾值設(shè)定方法如下：我們基于已知的派生地名對(duì)，總結(jié)出常見的類別關(guān)聯(lián)組合（如“Park-Road”）。隨后，利用預(yù)訓(xùn)練的語義模型將地物類別名稱映射為語義向量，并通過計(jì)算向量間的余弦值來量化其語義相似度。在此基礎(chǔ)上，我們統(tǒng)計(jì)了所有真實(shí)派生地名對(duì)中類別相似度的數(shù)值，并取其平均值（70%）作為通用閾值。

空間鄰近距離閾值則根據(jù)地物類別動(dòng)態(tài)設(shè)定。具體流程包括：首先，基于訓(xùn)練數(shù)據(jù)中已確認(rèn)的派生地名對(duì)，統(tǒng)計(jì)不同類別組合（如“Park-Road”“River-Bridge”）中派生地物與原生地物的空間距離，作為真值參考；隨后，取各組合空間距離的第85百分位數(shù)作為初始閾值，以覆蓋大多數(shù)真實(shí)關(guān)聯(lián)案例；最后，通過人工驗(yàn)證對(duì)該閾值進(jìn)行微調(diào)。例如，“River-Bridge”類別的空間鄰近距離閾值設(shè)定為200m，而“Park-Road”類別則放寬至500m。

所有閾值均在測試集上進(jìn)行了有效性驗(yàn)證，以確保其合理性和可靠性。

2.3 派生關(guān)系形式化表達(dá)

研究構(gòu)建了一個(gè)派生關(guān)系知識(shí)圖譜，能夠直觀地表達(dá)給定區(qū)域內(nèi)地名不同類別之間的派生關(guān)系及其判定規(guī)則。采用自頂向下和自底向上混合的方式構(gòu)建知識(shí)圖譜?；旌蠘?gòu)建結(jié)合了自底向上構(gòu)建和自頂向下構(gòu)建的方法，形成了一種綜合而協(xié)同的建模策略。主要由本體構(gòu)建、知識(shí)提取、實(shí)體填充等步驟組成。

2.3.1 本體設(shè)計(jì)

1）定義類

知識(shí)圖譜涉及到的類主要有原生地物類別、派生地物類別、原生通名和派生通名。

2）定義屬性

3）定義關(guān)系

根據(jù)派生規(guī)則可知，原生地物和派生地物之間存在語義關(guān)系和空間關(guān)系。其中，語義關(guān)系又分為等價(jià)關(guān)系、互斥關(guān)系、上下義關(guān)系和部分整體關(guān)系。在空間關(guān)系上，原生地物和派生地物之間存在特定的空間拓?fù)潢P(guān)系和鄰近關(guān)系。空間拓?fù)潢P(guān)系包含相交、包含、疊加、相離、重合等。

2.3.2 知識(shí)提取

1）空間拓?fù)潢P(guān)系與鄰近距離提取

采用基于維數(shù)擴(kuò)展的九交模型，通過分析地理實(shí)體a和b的內(nèi)部（interior，I）、邊界（boundary，B）、外部（exterior，E）的相交維度（dimension，DIM）構(gòu)建關(guān)系矩陣，以提取地理實(shí)體的拓?fù)潢P(guān)系，見式（1）。

式中：a和b代表兩個(gè)地理實(shí)體，I、B、E分別代表地理實(shí)體的內(nèi)部、邊界和外部，DIM表示維度?？紤]到派生關(guān)系的特征，本研究主要提取包含、橫跨、等于、重疊、觸碰、被包含和相離等7類拓?fù)潢P(guān)系。

對(duì)于拓?fù)潢P(guān)系為相離的地理實(shí)體，將拓?fù)潢P(guān)系與鄰近距離閾值共同構(gòu)成空間關(guān)系屬性集，其中拓?fù)潢P(guān)系優(yōu)先于距離判斷。

2）相似度提取

利用Word2Vec計(jì)算地名相似度，針對(duì)地名的不同組成部分設(shè)計(jì)差異化的處理策略。以下是具體方法和實(shí)現(xiàn)步驟：

①名稱相似度計(jì)算。采用基于編輯距離（如Levenshtein距離）的字符串相似度算法，見式（2）。

式中：Lt1，Lt2表示兩個(gè)地名字符串的長度；De（t1，t2）表示將t1轉(zhuǎn)換成t2所需的最小編輯操作次數(shù)（插入、刪除、替換）。

②類別相似度計(jì)算。首先定義類別層級(jí)：設(shè)類別集合為C={c1，c2，···，cn}，每個(gè)類別ci包含一組同類別詞；其次計(jì)算類別中心向量：對(duì)每個(gè)類別ci，計(jì)算其所有成員詞向量的均值（中心向量），見式（3）。

2.3.3 實(shí)體填充

結(jié)合知識(shí)圖譜中本體的實(shí)體結(jié)構(gòu)，從派生地名信息數(shù)據(jù)中，提取出相應(yīng)的實(shí)體實(shí)例數(shù)據(jù)以及屬性值數(shù)據(jù)，進(jìn)行連接和融合。利用Neo4j圖數(shù)據(jù)庫存儲(chǔ)實(shí)體與關(guān)系，最后可得到派生關(guān)系知識(shí)圖譜。

3 潛在派生關(guān)系的發(fā)現(xiàn)

以派生關(guān)系為切入點(diǎn)，挖掘派生地名中的潛在地名，所以首先需要發(fā)現(xiàn)潛在派生關(guān)系。根據(jù)派生關(guān)系規(guī)則的形式化表達(dá)，從而實(shí)現(xiàn)潛在派生關(guān)系的發(fā)現(xiàn)。

3.1 BERT-CRF模型標(biāo)注

選取BERT-CRF模型進(jìn)行地名成分的序列標(biāo)注任務(wù)，該模型結(jié)合了BERT（bidirectional encoder representations from Transformers）強(qiáng)大的上下文語義表征能力與CRF（conditional random field）在序列標(biāo)注上的全局約束優(yōu)勢(shì)。

1）模型結(jié)構(gòu)

編碼層：采用BERT-Base預(yù)訓(xùn)練模型作為編碼器，其結(jié)構(gòu)包含12層Transformer編碼器，隱藏層維度為768，并配備12個(gè)自注意力頭。該模型能夠動(dòng)態(tài)生成融合了上下文信息的字符級(jí)特征向量。

解碼層：使用CRF層作為解碼器。CRF通過引入標(biāo)簽之間的轉(zhuǎn)移矩陣，學(xué)習(xí)相鄰標(biāo)簽的約束關(guān)系（如“I-GN”標(biāo)簽不應(yīng)緊跟在“O”標(biāo)簽之后），從而有效避免非法標(biāo)簽序列的產(chǎn)生，獲得全局最優(yōu)的標(biāo)注序列。

2）訓(xùn)練參數(shù)與細(xì)節(jié)

模型在自行構(gòu)建的人工標(biāo)注數(shù)據(jù)集上進(jìn)行訓(xùn)練。訓(xùn)練時(shí)，批量大?。╞atch size）設(shè)置為32，采用AdamW優(yōu)化器（adaptive moment estimation-weight decay），其初始學(xué)習(xí)率為5×10-5。模型共訓(xùn)練10個(gè)輪次（epoch），并配合線性學(xué)習(xí)率預(yù)熱與衰減策略。訓(xùn)練過程在單一NVIDIA RTX 3080 GPU上完成，耗時(shí)約35min。

3）標(biāo)注體系

利用BIO（begin，inside，outside）標(biāo)注規(guī)則對(duì)經(jīng)過分詞的文本進(jìn)行token標(biāo)注，標(biāo)注樣式如下。

BERT-CRF模型結(jié)構(gòu)如下圖所示：

首先從23個(gè)類別中按比例抽取地名數(shù)據(jù)，進(jìn)行人工標(biāo)注，構(gòu)建數(shù)據(jù)集，共抽取了3000條數(shù)據(jù)。使用精確率、召回率和F1分?jǐn)?shù)3種參數(shù)作為評(píng)估模型預(yù)測精度的數(shù)據(jù)指標(biāo)。

對(duì)構(gòu)建的BERT-CRF模型進(jìn)行了全面地性能評(píng)估。評(píng)估結(jié)果顯示，BERT-CRF模型的F1值可達(dá)0.9567，這一指標(biāo)綜合考慮了精確率和召回率，表明模型在序列標(biāo)注任務(wù)中表現(xiàn)優(yōu)異，為后續(xù)的派生關(guān)系發(fā)現(xiàn)提供了可靠的成分分析基礎(chǔ)。

3.2 通名提取與切分

通名提取與切分是未登錄地名發(fā)現(xiàn)的關(guān)鍵步驟，其目標(biāo)是從復(fù)合地名中識(shí)別出可能的嵌套結(jié)構(gòu)和派生關(guān)系。具體流程如下：

1）標(biāo)簽序列統(tǒng)計(jì)與復(fù)合地名篩選

利用CRF層輸出的標(biāo)簽序列（如B-GN、I-GN等），統(tǒng)計(jì)每個(gè)地名中的通名（GN）標(biāo)簽數(shù)量。篩選出包含多個(gè)通名標(biāo)簽的復(fù)合地名，作為候選派生地名。記錄其通名位置和專名部分。

2）嵌套結(jié)構(gòu)切分與候選潛在地名生成

根據(jù)英語地名的構(gòu)成形式，結(jié)合BERT-CRF模型的標(biāo)注結(jié)果，對(duì)復(fù)合地名進(jìn)行層次化切分。例如，“Mataura River Bridge”可切分為“Mataura River”（嵌套地名）和“Bridge”（派生通名）。提取切分后的嵌套部分作為候選潛在地名。

為確保切分結(jié)果的準(zhǔn)確性，避免出現(xiàn)結(jié)構(gòu)性歧義（如將“北京南站廣場”錯(cuò)誤切分為“北京”+“南站廣場”），本方法制定了明確的切分規(guī)則與消歧策略：①最長匹配原則：在多個(gè)可能的切分方案中，優(yōu)先選擇能形成最長、最完整專名的方案。該原則基于地名命名中普遍存在的整體性偏好，旨在保留語義最完整的原生地名。②通名優(yōu)先原則：切分點(diǎn)的選擇應(yīng)確保切分出的后綴部分是一個(gè)在知識(shí)圖譜通名庫中明確存在的通名（如“廣場”、“Bridge”）。此原則確保派生部分類別明確。③知識(shí)圖譜驗(yàn)證驅(qū)動(dòng)消歧：將依據(jù)上述原則得到的潛在地名，立即在知識(shí)圖譜和背景地名庫中進(jìn)行查詢與驗(yàn)證。若該候選地名能被映射到一個(gè)合理的地物類別，且與該派生地名的類別存在預(yù)定義的強(qiáng)關(guān)聯(lián)，則確認(rèn)該切分有效。若驗(yàn)證失敗，系統(tǒng)則回溯至次優(yōu)的切分方案（如“北京”＋“南站廣場”）并重復(fù)驗(yàn)證過程，或?qū)⑵錁?biāo)記為需人工復(fù)審的歧義案例。通過上述規(guī)則的聯(lián)合應(yīng)用，本方法能夠穩(wěn)定地將“北京南站廣場”切分為“北京南站”＋“廣場”，從而正確識(shí)別出核心的潛在地名。

3）通名歸類

對(duì)切分出的通名部分，需進(jìn)行歸類以確定其對(duì)應(yīng)的地理實(shí)體類別，這是后續(xù)進(jìn)行類別關(guān)聯(lián)性分析和空間關(guān)系推理的基礎(chǔ)。本方法依據(jù)預(yù)定義的“通名－類別”映射表完成此過程。該映射表是通過系統(tǒng)性地整合OpenStreetMap（OSM）標(biāo)簽體系中的關(guān)鍵類別與本研究涉及的地名通名構(gòu)建而成。

3.3 潛在派生關(guān)系判定

派生關(guān)系判定旨在驗(yàn)證候選潛在地名與候選派生地名之間的語義關(guān)系和空間關(guān)聯(lián)性。具體步驟如下：

1）知識(shí)圖譜查詢與類別關(guān)聯(lián)性分析

通過知識(shí)圖譜查詢候選潛在地名和派生地名的地物類別，檢查兩者是否滿足預(yù)定義的強(qiáng)關(guān)聯(lián)關(guān)系。“強(qiáng)關(guān)聯(lián)”的判定是一個(gè)綜合過程，主要依

據(jù)以下兩個(gè)條件：①定量計(jì)算：計(jì)算兩個(gè)類別之間的類別相似度Sim（ci，cj）。若該相似度值不低于70%（即≥0.7），則認(rèn)為在數(shù)值上滿足強(qiáng)關(guān)聯(lián)條件。②定性規(guī)則：結(jié)合知識(shí)圖譜中預(yù)定義的顯性類別關(guān)聯(lián)規(guī)則進(jìn)行最終裁定。這些規(guī)則編碼了領(lǐng)域知識(shí)，用于處理僅靠數(shù)值相似度無法準(zhǔn)確判斷的情況。

例如：“學(xué)校”與“地鐵站”被顯式定義為強(qiáng)關(guān)聯(lián)，因?yàn)樗鼈冊(cè)趯?shí)際空間中常因交通服務(wù)功能而緊密相鄰，即使其類別相似度計(jì)算值可能不高?！皩W(xué)?！迸c“河流”則被顯式定義為弱關(guān)聯(lián)，因?yàn)閮烧咴诠δ芘c空間上缺乏直接的派生邏輯，即使其詞向量在某種語境下可能接近。

只有當(dāng)一對(duì)類別同時(shí)滿足“類別相似度≥70%”或在顯式關(guān)聯(lián)規(guī)則中被標(biāo)記為“強(qiáng)關(guān)聯(lián)”時(shí)，才最終被判定為具有強(qiáng)關(guān)聯(lián)性。通過SPARQL（SPARQL protocol and RDF query language）查詢類別關(guān)聯(lián)強(qiáng)度的語句如下：

2）空間關(guān)系驗(yàn)證

通過知識(shí)圖譜中的空間關(guān)系（如“相鄰”“包含”）驗(yàn)證地名對(duì)的合理性。例如，“××學(xué)校”與“××地鐵站”若在空間中相鄰，則可能具有派生關(guān)系。

通過SPARQL查詢?cè)谥R(shí)圖譜中獲取兩類別的典型空間關(guān)系：

3）閾值過濾與關(guān)系確認(rèn)

低于閾值的地名對(duì)將被過濾。對(duì)于未達(dá)到閾值但具有顯著空間關(guān)聯(lián)的地名對(duì)，需人工復(fù)審。

3.4 未登錄地名發(fā)現(xiàn)

在確認(rèn)派生關(guān)系后，需進(jìn)一步驗(yàn)證潛在地名的有效性。在地名數(shù)據(jù)庫中檢索潛在地名（如“北京南站”），若無匹配記錄，則進(jìn)入下一步。若存在記錄但描述不一致（如數(shù)據(jù)庫中僅有“北京南火車站”），需通過相似度匹配判斷是否為同一實(shí)體。若潛在地名滿足以上條件，則判定為未登錄地名。輸出結(jié)果包括：未登錄地名、派生地名、關(guān)聯(lián)關(guān)系。

4 未登錄地名空間位置推理

通過在知識(shí)圖譜中查詢派生地物類別與原生地物類別的空間關(guān)系，根據(jù)已知的派生地名位置推理潛在地名位置。

4.1 通名映射類別

潛在地名的空間位置推理首先需要明確其所屬的地理實(shí)體類別。通名作為區(qū)分地理實(shí)體類型的關(guān)鍵要素，可通過預(yù)定義的映射表實(shí)現(xiàn)精準(zhǔn)映射。具體步驟如下：

1）從潛在地名和候選派生地名中分離通名（如“Street”，“River”），并將其映射到更通用的地理實(shí)體類別（如“Road”，“Water”）。

2）當(dāng)處理一個(gè)通名時(shí)，系統(tǒng)在映射表中進(jìn)行精確或模糊查詢，將其歸類到對(duì)應(yīng)的類別。對(duì)于復(fù)合通名（如“Suspension Bridge”），系統(tǒng)優(yōu)先匹配整個(gè)短語，若失敗則回退至核心通名（“Bridge”）進(jìn)行匹配。

3）歧義處理：對(duì)于極少數(shù)存在歧義的通名（如“Court”可表示“法庭”建筑或“死胡同”道路），系統(tǒng)將結(jié)合該地名中識(shí)別出的專名部分所提供的上下文信息，并從知識(shí)圖譜中查詢?cè)撏诓煌悇e下的使用頻率，選擇最可能的類別作為歸類結(jié)果。通過以上步驟，可為后續(xù)空間關(guān)系預(yù)測提供語義約束，確保推理結(jié)果符合地理實(shí)體的實(shí)際分布規(guī)律。

4.2 知識(shí)圖譜查詢

基于通名映射的類別，從知識(shí)圖譜中檢索候選派生地名與潛在地名之間的典型空間關(guān)系，支撐位置推理。輸入潛在地名類別和候選派生地名類別，使用SPARQL語言在構(gòu)建的知識(shí)圖譜中進(jìn)行查詢，輸出空間關(guān)系。

4.3 位置推理

根據(jù)知識(shí)圖譜返回的空間關(guān)系，結(jié)合候選派生地名的實(shí)際坐標(biāo)生成潛在地名的可能位置。例如關(guān)系為span且候選派生地名“Kohaihai River Suspension Bridge”坐標(biāo)為（x，y），則潛在地名“Kohaihai River”應(yīng)位于該懸索橋的下方。如圖所示是潛在地名位置推理的完整流程。

5 實(shí)驗(yàn)與分析

5.1 數(shù)據(jù)來源

實(shí)驗(yàn)數(shù)據(jù)來源于GeoNames官網(wǎng)。下載的地圖矢量數(shù)據(jù)包括納米比亞、博茨瓦納、萊索托、斯威士蘭等4個(gè)南非國家的矢量數(shù)據(jù)。該數(shù)據(jù)包括20209個(gè)地理實(shí)體和188個(gè)地理實(shí)體類別，主要包括類別如公園、河流、湖泊、學(xué)校、住宅道路、水、建筑、水庫、停車場、自然保護(hù)區(qū)等。

5.2 派生關(guān)系規(guī)則形式化表達(dá)

基于本文的構(gòu)建方法，將派生關(guān)系判定規(guī)則以三元組的形式存儲(chǔ)在Neo4j圖數(shù)據(jù)庫中。最終識(shí)別出派生關(guān)系地名對(duì)1153個(gè)，這些關(guān)系構(gòu)成了復(fù)雜的地名派生關(guān)系知識(shí)圖譜，圖2為示例，圖3為具體的不同類別之間的派生關(guān)系。

5.3 未登錄地名發(fā)現(xiàn)和空間位置推理實(shí)驗(yàn)

5.3.1 實(shí)驗(yàn)步驟

用訓(xùn)練好的BERT-CRF模型對(duì)納米比亞、博茨瓦納、萊索托、斯威士蘭等4個(gè)南非國家的地名數(shù)據(jù)進(jìn)行標(biāo)注，按8∶2劃分訓(xùn)練集和測試集。匹配多通名的復(fù)合地名作為候選派生地名。從候選派生地名中提取嵌套子地名（如“Mataura River Brige”中的“Mataura River”）。在本地地名數(shù)據(jù)庫中查詢這些嵌套地名，若存在記錄，則該地名在現(xiàn)實(shí)中已存在（非未登錄地名）。若無記錄，則進(jìn)入下一步驗(yàn)證。

將未匹配的嵌套地名在OpenStreetMap（OSM）中進(jìn)一步查詢，確認(rèn)是否無記錄。若仍無記錄，則判定為潛在地名。對(duì)最終篩選出的潛在地名進(jìn)行人工核查，排除錯(cuò)誤案例。

使用潛在地名識(shí)別的結(jié)果作為未登錄地名輸入數(shù)據(jù)，提取潛在地名和派生地名的通名，映射類別，確定潛在地名類別和候選派生地名類別。在知識(shí)圖譜中查詢兩類別之間的空間關(guān)系，結(jié)合候選派生地名的實(shí)際坐標(biāo)生成潛在地名的可能位置。

5.3.2 評(píng)價(jià)方法

在無法獲取潛在地名真實(shí)位置的情況下，評(píng)估空間位置推理結(jié)果的合理性需要采用間接方法或替代指標(biāo)。

1）基于已知地名的模擬驗(yàn)證

①從現(xiàn)有地名數(shù)據(jù)庫中隨機(jī)選取部分已知地名，人為隱藏其位置信息，將其作為“模擬的潛在地名”。

②使用相同的空間推理方法預(yù)測這些模擬潛在地名的位置，并與真實(shí)位置對(duì)比。

③計(jì)算位置誤差，以此間接評(píng)估對(duì)未登錄地名的推理能力。

2）人工合理性評(píng)估

邀請(qǐng)3名地理信息專家，對(duì)潛在地名的推理結(jié)果進(jìn)行評(píng)分，按合理、部分合理和不合理3個(gè)等級(jí)進(jìn)行評(píng)分。其中符合語義和空間邏輯為合理，位置大致正確但存在偏差為部分合理，推理位置存在明顯錯(cuò)誤為不合理。

3）多源數(shù)據(jù)驗(yàn)證

使用OSM地圖查找使用本文方法推理出的潛在地名位置，觀察推理位置附近是否存在未命名的相關(guān)地理實(shí)體（如無名道路、建筑），以間接證明推理的合理性。

5.3.3 未登錄地名發(fā)現(xiàn)實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證方法的有效性，通過人工識(shí)別潛在地名與本文方法進(jìn)行對(duì)比評(píng)價(jià)。從南非4個(gè)國家經(jīng)過預(yù)處理的地名數(shù)據(jù)中，隨機(jī)抽取10000條數(shù)據(jù)進(jìn)行驗(yàn)證分析。其中，人工識(shí)別的潛在地名共有1364個(gè)，通過本文的方法發(fā)現(xiàn)的潛在地名共有1153個(gè)。具體的分析結(jié)果如表3。

進(jìn)一步分析發(fā)現(xiàn)，盡管該方法在大多數(shù)情況下都表現(xiàn)出色，但仍存在一些識(shí)別錯(cuò)誤的情況。錯(cuò)誤案例進(jìn)一步分析表明，二詞通名及二詞以上的復(fù)合通名因訓(xùn)練語料中樣本稀少，導(dǎo)致模型識(shí)別能力下降；多級(jí)派生（如“Tauranga Bay Beach Road”包含“Tauranga Bay”與“Tauranga Bay Beach”兩級(jí)派生）因當(dāng)前模型僅支持單層切分，未能遞歸解析多層結(jié)構(gòu)，構(gòu)成主要技術(shù)瓶頸。

針對(duì)上述瓶頸，未來的優(yōu)化工作將圍繞以下方向展開：①針對(duì)二詞通名及二詞以上的復(fù)合通名問題，需要構(gòu)建一個(gè)領(lǐng)域特定的通名詞典，并在模型預(yù)處理或后處理階段進(jìn)行集成，通過規(guī)則與統(tǒng)計(jì)相結(jié)合的方式提升低頻復(fù)合通名的識(shí)別率。

②針對(duì)多級(jí)派生問題，需要將現(xiàn)有的單層切分模型改進(jìn)為遞歸神經(jīng)網(wǎng)絡(luò)的層次化切分架構(gòu)。該架構(gòu)能夠?qū)η蟹趾蟮暮蜻x地名進(jìn)行迭代式再分析，直至無法發(fā)現(xiàn)新的派生結(jié)構(gòu)為止，從而實(shí)現(xiàn)對(duì)復(fù)雜嵌套地名的完整解析。

5.3.4 空間關(guān)系推理實(shí)驗(yàn)結(jié)果與分析

1）模擬驗(yàn)證結(jié)果

在1000個(gè)已知地名的測試中：82%的推理位置誤差≤100m。12%的誤差在100~500m。6%的誤差＞500m。

對(duì)誤差大于500m的案例進(jìn)行深入分析后發(fā)現(xiàn)，地名點(diǎn)位標(biāo)志方法的不一致性是導(dǎo)致重大空間偏差的一個(gè)重要原因。具體而言，開源地名數(shù)據(jù)庫中地理實(shí)體的空間坐標(biāo)通常以簡化后的幾何中心（如多邊形質(zhì)心）作為其位置代表，然而在實(shí)際地理語境中，該點(diǎn)位所承載的語義功能往往因地物類型與命名習(xí)慣的不同而存在顯著差異。

以“北京大學(xué)”與“北京大學(xué)地鐵站”的空間關(guān)系為例：在實(shí)際位置推理中，地鐵站的位置應(yīng)參照北京大學(xué)的主要入口或通行節(jié)點(diǎn)進(jìn)行推算；而在開源數(shù)據(jù)中，“北京大學(xué)”的坐標(biāo)可能被記錄為整個(gè)校區(qū)多邊形范圍的幾何質(zhì)心。若以質(zhì)心坐標(biāo)為基準(zhǔn)推理“北京大學(xué)地鐵站”的位置，其結(jié)果可能與以實(shí)際校門為參照的推理結(jié)果相距數(shù)百米甚至更遠(yuǎn)，從而導(dǎo)致顯著的空間位置誤差。

未來研究需要考慮地物功能與位置標(biāo)志的語義，采用多位置點(diǎn)或概率分布模型來更精確地表征地理實(shí)體的空間屬性。

2）人工評(píng)估結(jié)果

對(duì)1153條潛在地名的推理結(jié)果：評(píng)分合理的占77.1%，部分合理的占16.5%，不合理的占6.4%。

3）多源數(shù)據(jù)驗(yàn)證結(jié)果

在OSM地圖中，約41%的推理位置附近存在未命名的相關(guān)地理實(shí)體，間接支持推理合理性。

通過模擬驗(yàn)證、人工評(píng)估和多源數(shù)據(jù)驗(yàn)證，實(shí)驗(yàn)表明本文方法能有效預(yù)測潛在地名位置（合理率77.1%）。代理指標(biāo)可替代真實(shí)位置缺失的評(píng)估需求。未來需結(jié)合多模態(tài)數(shù)據(jù)進(jìn)一步提升推理精度。

6 結(jié)束語

本文提出了一種融合知識(shí)圖譜與深度學(xué)習(xí)的未登錄地名發(fā)現(xiàn)與空間位置推理方法。首先構(gòu)建派生關(guān)系知識(shí)圖譜，建立包含語義、空間和相似度約束的規(guī)則庫；其次采用F1值達(dá)0.9567的BERT-CRF模型實(shí)現(xiàn)地名成分標(biāo)注，支持結(jié)構(gòu)解析。在Intel Xeon E5服務(wù)器上訓(xùn)練BERT-CRF模型耗時(shí)約3h，知識(shí)圖譜查詢平均響應(yīng)時(shí)間<100ms，具備了實(shí)際部署的可行性。實(shí)驗(yàn)表明，本方法對(duì)未登錄地名發(fā)現(xiàn)準(zhǔn)確率達(dá)84.5%，并能通過知識(shí)圖譜的空間關(guān)系進(jìn)行位置推導(dǎo)，有效增強(qiáng)地理信息查詢準(zhǔn)確性，可為GIS系統(tǒng)提供自動(dòng)化地名補(bǔ)全功能，并為歷史地名研究和文化遺產(chǎn)保護(hù)提供技術(shù)支持。本文主要貢獻(xiàn)為：①知識(shí)圖譜與深度學(xué)習(xí)的協(xié)同應(yīng)用提升了地名發(fā)現(xiàn)效率與定位精度；②建立了可解釋的派生關(guān)系分析框架。

需要指出的是，該方法目前主要針對(duì)英語地名，對(duì)非洲土著語言（如斯瓦希里語、豪薩語）缺乏適應(yīng)性，主要受限于訓(xùn)練語料稀缺與字符編碼差異。針對(duì)類似局限性，未來工作將圍繞以下兩個(gè)核心方向展開：①多語言支持能力的深化。進(jìn)行跨語言詞向量與模型遷移、低資源命名實(shí)體識(shí)別。②知識(shí)圖譜動(dòng)態(tài)更新機(jī)制的構(gòu)建。為實(shí)現(xiàn)地名知識(shí)的持續(xù)演進(jìn)，需解決靜態(tài)知識(shí)圖譜的滯后性問題。具體技術(shù)路線包括：流式數(shù)據(jù)處理與事件檢測、增量學(xué)習(xí)與模型更新、置信度評(píng)估與人工介入。

作者：張婷婷，毛曦，路文娟

來源：《測繪科學(xué)》2026年第4期

選稿：賀雨婷

編輯：杜佳玲

校對(duì)：歐陽莉艷

審定：耿 曈

責(zé)編：杜佳玲

（由于版面內(nèi)容有限，文章注釋內(nèi)容請(qǐng)參照原文）

微信掃碼加入

中國地名研究交流群

QQ掃碼加入

江西地名研究交流群

歡迎來稿！歡迎交流！

轉(zhuǎn)載請(qǐng)注明來源：“江西地名研究”微信公眾號(hào)