MaskLink：基于区域掩蔽的空间关系链接发现高效方法
数据库
2018-03-06 v1
摘要
本文研究空间链接发现 (LD) 问题，主要关注空间对象之间的拓扑关系和邻近关系。由于生成空间数据的来源众多，包括流式来源（例如移动对象监控）以及归档来源（如静态兴趣区域），该问题具有时效性。为解决整合这些异构来源数据的问题，需要链接发现技术来高效识别各种空间关系。现有方法通常利用分块技术进行有效过滤，采用过滤-精炼方法论。本文提出一种新的空间 LD 技术，称为 MaskLink，可提升过滤步骤的有效性。我们表明 MaskLink 在拓扑关系链接发现上优于最先进算法，同时解决了其部分局限，如对流式数据的适用性、低内存需求和并行化。此外，我们展示 MaskLink 可扩展并推广至基于邻近的链接发现情形，而该情形此前在空间数据中未被研究。我们的实证研究表明，在拓扑关系情形下 MaskLink 优于最先进技术，在基于邻近的 LD 情形下相较基线技术具有性能优势。
引用
@article{arxiv.1803.01135,
title = {MaskLink: Efficient Link Discovery for Spatial Relations via Masking Areas},
author = {Georgios Santipantakis and Christos Doulkeridis and George A. Vouros and Akrivi Vlachou},
journal= {arXiv preprint arXiv:1803.01135},
year = {2018}
}