GeoVectors：一个世界尺度的 OpenStreetMap 嵌入关联开放语料库
机器学习
2021-08-31 v1
摘要
OpenStreetMap（OSM）目前是全球地理实体（如建筑物和道路）最丰富的公开可用信息源。然而，由于 OSM 规模庞大、实体标注极度异构，且缺乏描述实体语义与属性的明确定义本体，在机器学习模型及其他应用中使用 OSM 实体颇具挑战。本文提出 GeoVectors——一个独特、全面的世界尺度 OSM 实体嵌入关联开放语料库，覆盖整个 OSM 数据集，并为 180 个国家超过 9.8 亿个地理实体提供潜在表示。GeoVectors 语料库捕捉 OSM 实体的语义与地理维度，使这些实体可直接被机器学习算法与语义应用访问。我们创建了 GeoVectors 语料库的语义描述，包括与 Wikidata 和 DBpedia 知识图谱的实体链接以提供上下文信息。此外，我们提供了一个 SPARQL 端点——一种语义接口，可直连访问 OSM 中地理实体的语义与潜在表示。
引用
@article{arxiv.2108.13092,
title = {GeoVectors: A Linked Open Corpus of OpenStreetMap Embeddings on World Scale},
author = {Nicolas Tempelmeier and Simon Gottschalk and Elena Demidova},
journal= {arXiv preprint arXiv:2108.13092},
year = {2021}
}