WordNet als Hilfsmittel zur automatischen attributiven Generalisierung von Geodaten. Markus Mayr Forschungsgruppe Geoinformation TU Wien

Transkript

1 Markus Mayr Forschungsgruppe Geoinformation TU Wien

2 Attributive Generalisierung Graphische Generalisierung Konzeptionelle/Semantische Generalisierung qualitativ quantitativ Gleichwertig Auswählen Straße, Haus, Wald, See Geordnet Auswählen und Zusammenfassen Bach Fluss Strom Meer Weg Straße Hierarchisch Klassifizieren und Zusammenfassen Laub-, Nadel-, Mischwald Wald Gemeindebezirk Kreis Bezirk Land Quelle: Hake, G.; Grünreich, D. & Meng, L., Kartographie: Visualisierung raum-zeitlicher Informationen, S.170 Markus Mayr, 5/22

3 Attributive Generalisierung 9 Klassen 2 Klassen Datenquelle: OpenStreetMap, ODbL Markus Mayr, mayr@geoinfo.tuwien.ac.at 6/22

4 WordNet polysemous > Wörter > Bedeutungen Quelle: Markus Mayr, 7/22

5 WordNet Nomen > Wörter > Bedeutungen Quelle: Markus Mayr, 8/22

6 WordNet Synsets (Lemmas) > Wörter > Bedeutungen Quelle: Markus Mayr, 9/22

7 WordNet Is a type of (80%) (semantic relations) > Wörter > Bedeutungen Quelle: Markus Mayr, mayr@geoinfo.tuwien.ac.at 10/

8 WordNet has a part (semantic relations) Für Nomen Quelle: Markus Mayr, mayr@geoinfo.tuwien.ac.at 11/

9 These Zueinander ähnliche Attribute mit Hilfe der WordNet Datenbank identifizieren Kategorien bestimmen Manuell durch Eingabe Automatisch durch Auswahl Automatisch durch Berechnung Ähnlichkeit von Wörtern ermitteln Geschriebene Ähnlichkeit Semantische Ähnlichkeit Markus Mayr, 14/

10 Semantische Ähnlichkeit Ähnlichkeit ist nicht Verwandtschaft Ähnlichkeit ist ein Spezialfall von Verwandschaft Ähnlickeit messen Basierend auf Wörterbuch Taxonomische Pfadlänge Roget-strukturierte Thesauren ia-a Relationen Sussnas tiefen-relatives Scaling Wu und Palmer's Konzeptuelle Ähnlichkeit skaliert Basierend auf WordNet Informationsbasiert Resnik's Approach Lin's Universelle Ähnlichkeit Leacock und Chodorow's Normalized Path Length Jiang und Conrath's Kombinierter Zugang Quelle: Budanitsky, A. & Hirst, G., Evaluating WordNet-based Measures of Lexical Semantic Relatedness Markus Mayr, 17/

11 Vergleich der Ähnlichkeitswerte Kein Unterschied der Zuordnung bei allen getesteten Algorithmen. Weiterverwendung der Taxonomischen Pfadlänge Markus Mayr, 18/

12 Testablauf Liste an Attributsnamen Liste an Kategorienamen mehrere Möglichkeiten Synset Ermittlung eine Möglichkeit Synset Ermittlung mehrere Möglichkeiten Lookup eine Möglichkeit Lookup kein Fund Fund Fund kein Fund User Auswahl Attribut-Synsets Kategorie-Synsets User Auswahl Speichern der Auswahl Taxonomische Pfadlänge pro möglicher Kategorie berechnen Speichern der Auswahl Attribute den Kategorien zuordnen Markus Mayr, 19/22

13 Tests Angenommene Daten: 3 bzw. 4 Kategorien, Typische Werte für Attribute attributes attributes attributes 'street' 'building' 'scrub' 'parking' 'swamp' 'dryland' 'field' 'stream' 'lake' building forest water 'street' 'building' 'path' 'scrub' 'dryland' 'parking' 'swamp' 'field' 'stream' 'lake' building woods water 'street' 'building' 'path' 'scrub' 'parking' 'swamp' 'stream' 'lake' 'field' 'dryland' building woods water field Markus Mayr, mayr@geoinfo.tuwien.ac.at 20/22

14 Tests Daten: 4 Kategorien, 117 meist benutzten OSM Landuse Values field water settlement woods cemetery farmland unknown grassland plaza village_green park pasture hop_garden green graveyard square orchard field garden meadow wasteland common reservoir sand wetland water fishfarm island beach traffic_island pedestrian pond forest farm landfill land scree harbour vineyard basin religion garages railway road mine greenhouse heath airport office observatory farmyard piste building highway tree grass paddock garage depot lane quarry transport shelterbelt yes government scrub commercial aquaculture military school mining construction leisure utility allotments education retail logging wood religious conservation sport pitch agriculture civil recreation public excluded gated_community grave_yard recreation_ground greenhouse_horticulture reservoir_watershed salt_pond plant_nursery college_court public_facility port_terminal place_of_worship community_services winter_sports animal_keeping animal_pen nature_reserve spoit_tip fish_farm special_use peat_cutting contruction mine_spoils residential industrial institutional brownfield greenfield aquaculture Industrial abandoned administrative unknown wellsite proposed Markus Mayr, mayr@geoinfo.tuwien.ac.at 21/22

15 Nachbetrachtungen Verschiedene Corpora (bei bestimmten Algorithmen) für verschiedene Anwendungsfälle Weitere Tests mit Datensätzen aus abgegrenzten Themengebieten ( landuse ist zu allgemein) Ungelöste Frage: Automatische Ermittlung der Kategorien Kontext könnte relevanter sein (Beispiel der OSM Tags) Automatische Klassifizierung ist nur ein Schritt für eine komplette automatisierte attributive Generalisierung Semantik muss nach wie vor manuell vorgegeben werden (semi-automatisch) Markus Mayr, mayr@geoinfo.tuwien.ac.at 22/22