地理知识图谱推理研究进展与展望

作     者：段雨希 陈碧宇 李岩 张雪英 林黎 DUAN Yuxi;CHEN Biyu;LI Yan;ZHANG Xueying;LIN Li

作者机构：武汉大学测绘遥感信息工程国家重点实验室武汉430079 武汉大学社会地理计算联合研究中心武汉430079 南京师范大学地理科学院南京210023 南京师范大学虚拟地理环境教育部重点实验室南京210023 江苏省地理信息资源开发与利用协同创新中心南京210023 

出 版 物：《地球信息科学学报》 (Journal of Geo-information Science)

年 卷 期：2025年第27卷第1期

页      面：41-59页

核心收录：

学科分类：081603[工学-地图制图学与地理信息工程] 081802[工学-地球探测与信息技术] 07[理学] 08[工学] 070503[理学-地图学与地理信息系统] 0818[工学-地质资源与地质工程] 0705[理学-地理学] 0816[工学-测绘科学与技术] 

基　　金：国家重点研发计划项目(2021YFB3900903) 国家自然科学基金项目(42271473) 

主　　题：地理知识图谱 地理知识推理 研究进展 地理知识表达 时空数据推理 

摘      要：【目的】随着知识图谱技术在GIS领域应用和发展,地理知识图谱(GeoKG)近年来逐渐成为GIS领域的重要研究方向。GeoKG往往无法确保涵盖所有知识,知识的缺失和不一致性严重影响应用性能,需要采用GeoKG推理技术来自动补全缺失知识、识别矛盾知识、预测地理现象未来发展趋势。区别于通用知识图谱推理技术,GeoKG推理技术需要着重考虑地理知识的复杂时空特性。本文对近年来GeoKG的推理工作进行了全面介绍和总结。【分析】首先,介绍了GeoKG推理的相关概念与问题描述;其次,本文分析了GeoKG推理的二大核心任务:①面向知识补全的推理模型,主要用于填补图谱中的空白,确保知识的完整性;②面向预测任务的推理模型,旨在通过已有地理数据预测未来的趋势。两类模型各自针对不同的应用场景进行优化,并在地理数据的处理中各有侧重。【展望】展望了GeoKG推理的未来发展趋势,指出未来GeoKG推理技术的发展将更加关注时空数据的复杂关系处理、多尺度地理知识的推理、多模态数据的融合,以及提高推理模型的可解释性与智能化。此外,GeoKG与大规模预训练模型的结合也将成为关键方向。