404 Not Found

nginx

基于GIS的文獻地名分布研究

2018-01-18 06:51:13張思原郭柯娜

現代計算機 2017年35期

關鍵詞：可視化區域研究

張思原，郭柯娜

（四川大學計算機學院，成都 610065）

0 引言

隨著現代計算機的發展，簡單的計量統計分析已經無法滿足用戶的需求，而利用Internet和GIS結合在Web上為用戶提供空間數據瀏覽、查詢和分析功能，已經成為文獻分析的一個必然趨勢。如今地理信息系統（GIS）的發展，既為地名的研究帶來了新的契機，更是使得文化歷史研究形式多樣化。因此，從多元化、多角度文獻分析出發，基于GIS的地名統計分析的出現能為歷史文化工作者提供更好的統計分析展示。

在數字化的現代社會里，諸多研究方法中地名分布角度的考察具有特殊的意義。地名分布中蘊含著豐富的信息，可以反映出所研究文化歷史的熱點地區，甚至可以發現區域與區域之間的間接聯系。本文以跨越了中亞大陸與南次亞大陸的天然界山，傳承了中印文化交流紐帶的喜馬拉雅區域文獻集為例，開展從文獻中抽取出所包含的地名并對其進行GIS可視化，對地名分布進行分析的一系列工作，來促進人們對喜馬拉雅區域文化的認識和理解。通過文獻對該區域文化分布和遷移進行研究，對于探索喜馬拉雅文化起源乃至整個中印古文明的演化都有一定的價值。

1 文獻地名分布相關研究

1.1 地名識別

隨著自然語言處理技術的發展，命名實體識別成為文本信息挖掘的熱點之一，其子任務地名識別例如國家名，行政區劃名的自動識別也是基于文本的地理信息挖掘的前提。近年來，地名識別的研究趨于成熟，總體來看存在以下三種趨勢[1]：一為復雜統計模型的使用，例如隱馬爾可夫[2]、支持向量機[3]、最大熵[4]、條件隨機場[5]等模型都被用作地名識別；第二種是統計模型與語言知識的結合，充分利用了各種語言資料如地名詞典、地名用字、地名通名[4]等，以各種形式與統計模型結合起來；第三種包括內部結構特征與上下文特征的結合。目前最受歡迎和廣泛應用的地名識別工具有斯坦福NLP工具、HANLP工具、SpaCy工具等。

1.2 基于GIS的地名分布研究

地名數據與地理空間位置緊密相關，故使用地理信息系統（Geographic Information System，GIS）對地名數據進行研究正在成為趨勢，包括地名地圖化輸入，地名歷史變遷等是GIS對地名數據進行研究的主要方面[6]。其中地名地圖化輸入就是將自然語言形式表達的地理信息“翻譯”成精確的地理位置，其對地名信息的可視化應用可作為許多領域的輔助工具，如地名識別與抽取[7]，知識空間可視化[8]，建立地學知識圖譜[9]等。

盡管近來地名與GIS結合可視化的應用十分廣泛，如研究[10]對海洋地名進行整理，基于GIS開展海洋地名的可視化發布，研究[11]也實現了地名信息地圖可視化的應用，但是從文獻中抽取地名轉換成GIS對應的地理位置的研究工作還很匱乏。

2 基于GIS的文獻地名分布統計實現

2.1 地名識別工具

本文采用的命名實體識別工具為SpaCy，是一個Python和CPython的開源NLP自然語言文本處理庫。在2015年命名實體識別工具行業專家評測時，其在OntoNotes 5語料庫上進行命名實體識別的準確率高達82.6%，并且總體上速度較快，因此我們選用它作為我們的文獻地名識別工具。

2.2 文獻集地名基本統計

根據對文獻集統計，得到結果如表1所示。

表1 文獻地名統計表

根據表1中的統計，可知喜馬拉雅文獻中，地名的提及是普遍存在的現象，文獻中存在足夠多的地名信息支持基于GIS的地名分布統計研究。

2.3 文獻地名GIS可視化系統流程

本文首先對文獻集里的2455篇英文文獻用SpaCy工具進行地名識別工作，得到所有文獻里所提及的地名集合。接著使用基于Node.js的Geoservise接口對所有的地名進行批量地址解析，即把地名逐一“翻譯”為地圖上精確的經緯度并通過標記在地圖上顯示出來，本文使用的地理信息系統是由OpenStreetMap提供的共享地圖。最后，為了能對全球范圍內數千的地理位置進行更直觀的分布分析，我們使用ArcGIS所提供的Point clustering接口對地圖上所有的地址進行聚簇處理，該API采用了數據挖掘里的K均值聚類算法。喜馬拉雅地名GIS可視化流程如圖1所示。

2.4 基于GIS的單篇文獻地名分布統計

基于GIS的單篇文獻地名分布研究，隨機選取文獻Horses;Silvelj and Cowries:Yunnan in Global Perspective為例，識別出該文獻中的所有地名去重后共42例，在世界地圖上對這42例地名進行地址解析標記顯示如圖2，其中每一個標記對應一處地名。為更清晰地展示結果，對圖1中標記聚集地即中國區域進行局部放大顯示如圖2。

圖1文獻地名GIS可視化流程圖

圖2 中，可以直觀的看到該文獻地點提及分布涉及到亞洲、歐洲、非洲、北美洲，主要密集分布于亞洲中國。圖3中，清楚地顯示了文獻中地名提及中國區域主要集中于云南和四川兩個省，包括云南昆明、大理，四川成都、宜賓等城市。通過GIS視圖地名分布分析，可知該文獻主要有關于中國西南部，GIS圖將這種分布明確的展示了出來。說明現文化歷史學家對喜馬拉雅文化研究范圍廣，深入研究已延伸到中國西南、云南和四川文化及特色受到了研究學者關注。