有界度量数据中的山岳测量方法

知识图谱（KG）中容纳的大量数据实际上是度量的。例如，Wikidata 知识图谱包含关于城市、化合物或天体等地理实体的大量度量事实。本文提出一种将有界度量空间中的山岳测量（地形）度量迁移的新方法。尽管这些方法最初用于识别地球表面的相关山峰，我们展示了将其用于一般度量数据集的概念。值得注意的是，知识图谱中所包含条目的度量集合。基于此，我们提出一种利用迁移的估值函数“孤立度（isolation）”与“突显度（prominence）”识别杰出条目的方法。在此基础上我们构想一个条目推荐过程。为证明这些新估值对此类过程的相关性，我们使用来自 Wikidata 知识图谱的条目集合。随后我们在监督机器学习设定中经验性地评估“孤立度”与“突显度”的效用。特别地，我们在德国与法国地理人口分布中发现了结构相关条目。