《中国人工智能学会通讯》——4.7 当前研究热点

4.7 当前研究热点

目前,基于路网的空间关键词查询的热点包括但不限于以下三个方面。

(1) 基于路网的空间关键词查询的分布式处理在基于路网的空间关键词查询中,尽管路网数据本身的规模不会很大,但是城市空间文本数据的规模已经超出了大部分集中式处理模式的处理能力。为了提高基于路网的空间关键词查询处理的效率和扩展性,将查询处理分布化成为了一种很自然的选择[1,10] 。针对基于路网的空间关键词查询,图2展示了一种基于MapReduce的分布式处理架构。分布式处理不仅可以加快查询处理的速度,同时可以提高算法对大规模数据的可扩展性。

(2) 基于路网的组合空间关键词查询在某些情况下,用户希望能够查找同时满足多种需求的多个空间文本对象,并且要求这些空间对象之间的距离最小化。例如,用户希望查询同时包含超市、银行、电影院和理发店等多个对象,同时要求这些对象之间的距离较小。针对这种需求,出现了基于路网的组合空间关键词查询[1,8,19] 。由于组合结果的规模远远超出数据本身的规模,这类查询的复杂度非常高,需要长时间的计算才能得到准确的结果。为了满足实时查询的需要,现有的研究工作采用分布式计算或近似计算来加速查询,抑或通过大量的线下计算 (offline computation) 来降低查询时的计算量。

(3) 基于路网的倒转空间关键词查询在城市中,从商业的角度出发,在新增某项服务设施(如超市、4S 店和加油站)之前,需要考察周边的市场需求和可能存在的同业竞争。基于路网的倒转(Reverse)空间关键词查询[12,18]可以为这类考察分析提供很好的支持。基于路网的倒转空间关键词查询的目标是查找哪些对象的范围查询或者 top-k 查询中包含给定的查询对象。通过调整查询关键词,这种查询不仅可以查找潜在的用户需求,同时可以查询可能存在的竞争对手。

时间: 2024-09-22 00:19:13

《中国人工智能学会通讯》——4.7 当前研究热点的相关文章

《中国人工智能学会通讯》——1.12 研究热点

1.12 研究热点 下面从社区问答系统的三个元素(问题.答案.社区)出发,对当前的研究热点进行简单介绍.表 1列出了社区问答系统中比较具有代表性的研究问题. 1 . 问题相关研究 (1) 相似问题检索 相似问题检索(Question Retrieval)是指给定用户提交的查询问题(Queried Question),从已有历史问题答案库中,检索出与查询问题在语义上相同或相似的历史问题(Historical Question),并将这些问题及其答案返给用户.如果用户能很快找到满意的相似问题及其答案

《中国人工智能学会通讯》——9.7 研究进展

9.7 研究进展 哈希学习由 Salakhutdinov et al [13-14] 于 2007 年推介到机器学习领域 , 近几年迅速发展成为机器学习领域和大数据学习领域的一个研究热点[15-23] , 并广泛应用于信息检索[27-28] .数据挖掘 [29-30] .模式识别[31-32] .多媒体信息处理 [33-34] .计算机视觉 [35-36] .推荐系统[37-38] , 以及社交网络分析 [39-40]等领域. 下面将对已有的代表性哈希学习方法进行简单介绍. 基于松弛的两步学习策

《中国人工智能学会通讯》——11.43 研究内容

11.43 研究内容 基于前面对实体链接任务和其应用领域的介绍,可以看出实体链接任务是一项具有挑战性且非常有意义的基础研究工作.实体链接问题的解决对于知识库扩展.问答系统.信息提取.信息检索和内容分析等领域的发展具有巨大的促进作用.在这样的应用需求推动下,对随手可得的万维网数据中的实体进行有效.准确地链接显得尤为重要. 而万维网上的数据存在形式纷繁多样,有非结构化的自然语言文本(如新闻报道.博客文章等),有结构化的万维网实体列表或表格,有短小且低质的社交媒体微博文本,还有面向领域的领域文本(如计

《中国人工智能学会通讯》——10.18 研究进展

10.18 研究进展 本节将就复杂网络化系统安全控制研究的最新进展展开综述,主要涉及系统的安全架构分析与建模.攻击检测与安全评估,以及安全控制等诸方面.通过综述,将对国内外相关领域的主要工作分别进行总结,并分析存在的不足. 1 . 系统架构分析与建模 围绕复杂网络化系统的构架分析与建模,国内外学者开展了一系列研究工作.一方面,主要侧重于通信网络与物理系统在统一描述框架下的时空分析.实时性与稳定性等.例如文献 [11-20] 分别考虑网络通信因素(包括数据传输时滞.丢包.数据量化.干扰.带宽受限等

《中国人工智能学会通讯》——11.2 研究内容

11.2 研究内容 大规模带地理位置信息的媒体数据的出现,使得从媒体内容信息估计其地理位置属性成为可能.研究者们做了大量的工作来研究利用海量的带地理位置标签的图像数据进行地理位置识别.现有的基于媒体内容识别地理位置方法分成数据驱动的方法[1]和基于模型的方法[2]两类. 数据驱动的方法采用相似性匹配简单有效,但是扩展性有限:基于模型的方法泛化识别,但缺乏解释性.因此有必要结合数据驱动和基于模型的方法来进行地理位置识别.通常来说,一个地理区域的图像包含一些独特的模式,其能够有效地帮助地理位置识别.

《中国人工智能学会通讯》——4.6 研究现状及关键技术

4.6 研究现状及关键技术 在大部分基于路网的空间关键词查询研究中,路网以有向图的形式表示,即 G=(V,E),其中 V 表示路网中的交叉结点或者根据计算需要人为引入的结点:E 表示连接结点与结点之间的有向边.城市空间文本数据则由大量带有位置属性和文本属性的空间文本对象(Spatio-Textual Objects)组成.空间文本对象可以是物理世界中的实体对象,如商店和公共设施:也可以是各类和实体对象相关联的虚拟对象,如针对实体对象的广告和网络评论.每个空间文本对象表示为 o=(loc, t),

《中国人工智能学会通讯》——11.33 研究内容与主要贡献

11.33 研究内容与主要贡献 实现跨领域.多模态.弱标记大数据的智能化分析是机器学习的前沿方向之一.迁移学习能在异构分布的领域之间学习不变特征和无偏模型,实现标记知识的迁移和复用,是经典监督学习在非平稳环境下的扩展和深化.迁移学习的关键挑战是负迁移,即源领域数据对目标任务产生负面效果.本文创新了深度迁移学习新范式,提出一系列深度迁移学习的模型和方法以及面向大数据分析的可扩展性优化算法,各部分具体研究内容和主要贡献如下. 分布差异度量准则:根据迁移学习理论[7] ,迁移学习的泛化误差界由两部分之

《中国人工智能学会通讯》——7.14 研究展望

7.14 研究展望 基于上面的讨论,可以看到目前神经网络模型(特别是深度模型)在推荐系统中的应用还是处于很初步的阶段,在未来会有更多.更广泛的尝试.下面对于未来四个可能的研究方向进行简要介绍. 结构化神经网络模型 目前在推荐系统已发表的学术论文中,比较成功的神经网络模型还是基于多层感知器架构进行变型的模型,很少有相关公开的科研成果报道基于结构化的神经网络模型取得了显著提高.这里结构化神经网络主要包括基于序列的循环神经网络或者树结构的递归神经网络.目前推荐系统面临的数据附加信息不断增加,因此原始的

中国人工智能学会通讯——人工智能发展的思考

2016 年是充满了纪念意义的特殊的一年:80 年前的 1936 年,"人工智能之父"图灵提出了"可计算机器"的概念,为人工智能乃至现代信息科技奠定了基础:70年前的 1946 年,世界上第一台电子计算机ENIAC 在美国滨州诞生:60 年前的 1956年"人工智能"的概念首次被提出:50 年前的 1966 年,第一次颁发"图灵奖",到目前为止已经有 64 位获奖者:10 年前的2006 年,深度学习概念开始为大家所熟悉,并流

中国人工智能学会通讯——机器学习里的贝叶斯基本理论、模型和算法

非常感 谢周老师给这个机会让我跟大家分享一下.我今天想和大家分享的是,在深度学习或者大数据环境下我们怎么去看待相对来说比较传统的一类方法--贝叶斯方法.它是在机器学习和人工智能里比较经典的方法. 类似的报告我之前在CCF ADL讲过,包括去年暑假周老师做学术主任在广州有过一次报告,大家如果想看相关的工作,我们写了一篇文章,正好我今天讲的大部分思想在这个文章里面有一个更系统的讲述,大家可以下去找这篇文章读. 这次分享主要包括三个部分: 第一部分:基本理论.模型和算法 贝叶斯方法基础 正则化贝叶斯推