第1章 绪论
1.1 概述
1.1.1 问题背景
1.1.2 价值与意义
1.2 技术现状
1.2.1 城市计算
1.2.2 城市感知
1.2.3 群智感知
1.2.4 互联网数据挖掘
1.3 本书的主要内容
1.4 本书组织结构
第2章 技术框架与基础理论
2.1 面向互联网资源的城市感知技术框架
2.1.1 互联网目标数据资源发现
2.1.2 文本数据识别与提取
2.1.3 城市数据管理与处理
2.1.4 城市知识提取
2.1.5 服务构建与城市改善
2.2 基础理论及方法
2.2.1 深度学习
2.2.2 集成学习
2.2.3 词嵌入
2.2.4 文本分类
2.2.5 命名实体识别
2.2.6 实体对齐
2.2.7 关系提取
2.3 本章小结
第3章 互联网位置服务数据资源发现技术
3.1 关键问题阐释
3.1.1 问题解析
3.1.2 解决思路
3.1.3 相关技术基础
3.2 基于网页分析的位置服务数据资源发现模型
3.2.1 模型设计与结构
3.2.2 引入多粒度概念的语义信息表示与嵌入构建
3.2.3 输入嵌入的局部级注意力计算
3.2.4 基于深度卷积神经网络的特征提取
3.2.5 引入网页结构特征的标签级注意力计算
3.2.6 模型训练
3.3 基于注意力机制与集成学习的网页分析方法
3.3.1 基于注意力机制的CNN基学习器
3.3.2 基于网页结构特征的集成学习器构建
3.4 资源发现模型性能评价
3.4.1 实验设置
3.4.2 模型优化及分析
3.4.3 实验结果及评价
3.5 本章小结
第4章 互联网泛在城市数据获取技术
4.1 关键问题阐释
4.1.1 问题解析
4.1.2 解决思路
4.1.3 相关技术基础
4.2 基于深度学习的互联网泛在城市文本数据获取方法
4.2.1 城市数据获取方法架构
4.2.2 基于深度学习的城市文本数据识别模型
4.2.3 基于网页特征与Web聚类的城市数据提取方法
4.3 数据获取方法分析与评估
4.3.1 实验设置
4.3.2 城市数据识别性能评估
4.3.3 EUWC参数优化实验
4.3.4 互联网泛在城市数据抽取性能评估
4.4 本章小结
第5章 低质城市数据整合与处理技术
5.1 关键问题阐释
5.1.1 问题解析
5.1.2 解决思路
5.1.3 相关技术基础
5.2 基于短文本扩展的城市兴趣点功能信息补全方法
5.2.1 信息补全方法架构
5.2.2 基于搜索引擎和SiteO.算法的扩展文本获取
5.2.3 POI城市功能自动判别模型构建
5.3 信息补全方法性能评价
5.3.1 实验设置
5.3.2 模型性能优化实验
5.3.3 特征扩展与引入注意力对模型性能的影响
5.4 基于实体对齐的多源位置服务数据整合方法
5.4.1 数据整合方法架构
5.4.2 基于多属性度量的POI实体对齐
5.4.3 基于PSO的度量属性权重优化
5.4.4 基于实体对齐结果的数据整合
5.5 数据整合方法性能评价
5.5.1 实验设置
5.5.2 实体对齐方法评价
5.5.3 位置服务数据整合示例
5.6 本章小结
第6章 实体关系表示与城市知识提取技术
6.1 关键问题阐释
6.1.1 问题解析
6.1.2 研究思路
6.1.3 相关技术基础
6.2 大规模数据条件下的城市关系知识提取模型
6.2.1 模型架构
6.2.2 多特征输入构建与表示
6.2.3 双向长短期记忆网络
6.2.4 卷积神经网络
6.2.5 基于实例注意力计算的噪声信息过滤
6.3 关系提取方法性能评价
6.3.1 实验设置
6.3.2 评价指标
6.3.3 结果分析
6.4 本章小结
第7章 服务应用构建技术
7.1 关键问题阐释
7.1.1 问题解析
7.1.2 解决思路
7.1.3 相关技术基础
7.2 基于网格模型的区域通行特征分析及趋势预测
7.2.1 融合时空相关性的神经网络路段行程时间预测方法
7.2.2 基于CNN-LSTM的区域交通流量预测方法
7.3 基于多智能体的城区人群迁移行为分析方法
7.3.1 紧急情况下的多智能体仿真模型
7.3.2 基于多智能体的人群疏散迁移仿真模拟
7.4 本章小结
第8章 总结与展望
8.1 总结
8.2 未来展望
参考文献
展开
