从历史注册资料中挖掘工业化时空数据
计算机视觉与模式识别
2021-04-21 v1 信息检索
摘要
尽管许多领域的大数据可用性不断增长，但由于缺乏自动化和可扩展的收集、数字化与整合方法，社会环境现象的历史数据往往不可获取。我们开发了一种数据挖掘方法，用于从印刷目录中提取表格化、地理编码数据。虽然扫描和光学字符识别（OCR）可以数字化印刷文本，但仅靠这些方法无法捕获底层数据的结构。我们的流水线集成了页面布局分析与 OCR，以从结构化文本中提取表格化、地理编码数据。我们通过将其应用于记录了 41 年工业用地情况的罗德岛扫描制造业注册资料，展示了该方法的实用性。所得的时空数据可用于以前所未有的分辨率对工业化进行社会环境分析。特别是，我们发现了强有力的证据，表明制造业从该州首府普罗维登斯的城市核心区沿 95 号州际公路走廊向北和向南扩散。
引用
@article{arxiv.1612.00992,
title = {Mining Spatio-temporal Data on Industrialization from Historical Registries},
author = {David Berenbaum and Dwyer Deighan and Thomas Marlow and Ashley Lee and Scott Frickel and Mark Howison},
journal= {arXiv preprint arXiv:1612.00992},
year = {2021}
}