異常地圖標(biāo)注的識別與提取

■邊正寧，陳 偉，李永鵬 ■江西省地質(zhì)礦產(chǎn)勘查開發(fā)局贛西地質(zhì)調(diào)查大隊，江西 南昌 330201

1 緒論

地圖上的文字和數(shù)字統(tǒng)稱為地圖注記(Map Label)［1-2］。地圖注記作為地圖不可或缺的內(nèi)容之一，具備豐富地圖信息以及增強(qiáng)地圖認(rèn)知的功能。隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，刺激用戶對地圖產(chǎn)生新的要求，用戶需求不在局限于單一、傳統(tǒng)的地圖注記，于是具有專有性和寬泛性的地圖標(biāo)注應(yīng)運(yùn)而生［3-4］。地圖標(biāo)注(Map Annotation)是指以地理要素的信息內(nèi)容對地物進(jìn)行注記。地圖標(biāo)注以地圖為框架，通過用戶將地理要素信息標(biāo)注到電子地圖中。因此，地圖標(biāo)注可以視為深化的地圖注記?？焖侔l(fā)展的地圖標(biāo)注逐漸取代地圖注記成為關(guān)注焦點(diǎn)。例如百度地圖和大眾點(diǎn)評網(wǎng)等電商鼓勵用戶進(jìn)行地圖標(biāo)注，并逐步產(chǎn)生了產(chǎn)品描述性質(zhì)的地圖標(biāo)注。

地圖標(biāo)注在滿足用戶需求和促進(jìn)地圖服務(wù)發(fā)展的同時，也給地圖標(biāo)注帶來了更深層次的思考。由于地圖標(biāo)注的用戶廣泛參與性，眾多地圖標(biāo)注存在一定不安全因素，給地圖服務(wù)帶來了新的危機(jī)。例如危害地區(qū)安全信息、違反社會道德等異常地圖標(biāo)注危害著地圖安全。然而目前人們對異常地圖標(biāo)注的識別研究較少，因此從促進(jìn)地圖服務(wù)健康發(fā)展而言，如何自動識別提取異常地圖標(biāo)注信息成為亟需解決的問題。

2 異常地圖標(biāo)注的自動識別

2.1 識別異常信息流程

首先建立異常詞詞庫，包含社會事件和器材廣告類等異常地圖標(biāo)注內(nèi)容，然后提取地圖標(biāo)注內(nèi)容，即分詞處理形成數(shù)據(jù)集，然后利用AC-BM 算法構(gòu)建模式樹、計算字符跳躍函數(shù)、匹配數(shù)據(jù)集，對地圖標(biāo)注的異常信息進(jìn)行識別與提取，并對識別結(jié)果進(jìn)行分析和討論。工作流程如圖2.1 所示:

圖2.1 地圖標(biāo)注異常識別流程圖

(1)異常詞詞庫構(gòu)建:詞庫是把中文信息以詞為基本單位存儲在計算機(jī)中，為信息處理以及詞加工提供規(guī)范，是詞表的計算機(jī)化顯示［5］。結(jié)合網(wǎng)絡(luò)規(guī)范以及地理特征，建立地圖標(biāo)注異常詞詞庫，異常詞詞庫涉及以下11 個內(nèi)容:社會歷史事件、彩民生活、器材廣告、醫(yī)藥廣告、女性詞匯、色情服務(wù)、隱私詞匯、反動事件、軍事安全、政府政治、其它。

(2)地圖標(biāo)注內(nèi)容提取:對地圖標(biāo)注內(nèi)容進(jìn)行分詞處理是異常地圖標(biāo)注識別的重要前提，異常地圖標(biāo)注識別的結(jié)果取決于分詞處理的準(zhǔn)確性。由于本次實驗地圖標(biāo)注內(nèi)容主要為中文，中文多為雙詞語表達(dá)，為此選用雙哈希結(jié)構(gòu)的最大逆向分詞法對地圖標(biāo)注分詞。

(3)ACBM 多模式算法匹配:模式匹配算法是異常地圖標(biāo)識的高效識別的關(guān)鍵技術(shù)。在目前使用的算法中，AC 多模式算法的時間復(fù)雜度O(n)最小，但是產(chǎn)生多余比較，甚至導(dǎo)致數(shù)據(jù)膨脹;就效率而言，跳躍思想的BM 單模式匹配算法效率最高［6-7］。為此結(jié)合兩者優(yōu)缺點(diǎn)，采用基于BM 跳躍思想的AC-BM 多模式匹配算法。主要過程如下:①模式樹構(gòu)建(AC 自動機(jī));②計算模型樹的字符跳轉(zhuǎn)規(guī)則移位函數(shù)(BM跳躍思想);③使用AC 自動機(jī)和跳轉(zhuǎn)規(guī)則掃描待匹配字符集。

2.2 識別結(jié)果分析

實驗地理注記對象為從美食評論網(wǎng)與百度搜集來的云南省昆明市一環(huán)內(nèi)657 個地圖標(biāo)注，文本漢字個數(shù)為［15，52］，平均長度為34。

2.2.1 總體標(biāo)注異常識別效果

按照上述工作流程對實驗對象進(jìn)行處理，識別117 個異常地圖標(biāo)注，如下圖所示。圖中，餅圖面積代表地圖標(biāo)注內(nèi)容異常信息的含量，餅圖面積越大，該地圖標(biāo)注包含的異常詞越多，表示該地圖標(biāo)注存在異常性，需要進(jìn)一步處理;反之亦然。對于多種顏色餅圖，其代表該標(biāo)注存在多種類別的異常信息。

2.2 異常詞識別結(jié)果Fig 2.2 Abnormal word detection result

2.2.2 單標(biāo)注異常發(fā)現(xiàn)與表達(dá)

以“3 月1 日晚9 點(diǎn)的昆明火車站發(fā)生暴動事件”標(biāo)注為例，使用改進(jìn)AC-BM 算法，識別出該標(biāo)注包含異常詞“發(fā)生暴動”，匹配的模型為“發(fā)生暴動|0”，開始位置為13。由于該事件定性為恐怖事件，地圖標(biāo)注為“暴動”，與事實不符，屬于異常標(biāo)注，如圖2.3 所示(紅色高亮為識別的異常詞)。

圖2.3 異常信息查找定位

2.2.3 分類識別結(jié)果

根據(jù)異常詞詞庫中對詞庫的分類，檢測各詞類的異常標(biāo)注分布情況，發(fā)現(xiàn)分類結(jié)果較為滿意。從本次匹配算法的結(jié)果而言，對657 個標(biāo)注檢測結(jié)果分析，標(biāo)注中共檢測到117 個異常標(biāo)注，而其中，含有敏感信息的標(biāo)注總共含有128 個，準(zhǔn)確率W 為91.4%，體現(xiàn)出極高的準(zhǔn)確率。我們對觀察未能正確檢測標(biāo)注，發(fā)現(xiàn)存在大量變異敏感詞條，即多數(shù)為填寫人故意插入特殊符號以逃避算法的檢測，或者將橫向的字條采用特殊字符排版，使出現(xiàn)縱向排列，逃避算法的檢測。針對此類型的敏感信息，本文未能進(jìn)行近一步討論。對于其他非變異敏感詞，通過建立完善的敏感詞庫，其敏感信息都能夠被正確檢測。

3 結(jié)論與分析

本文以昆明地理標(biāo)注為例，采用ACBM 多模式算法識別提取地圖標(biāo)注內(nèi)容中的異常信息，得出總體標(biāo)注異常識別、單標(biāo)注異常識別以及分類識別結(jié)果，通過實驗結(jié)果表明，本文的地圖標(biāo)注異常識別方法能以較高效率準(zhǔn)確發(fā)現(xiàn)異常地圖標(biāo)注，構(gòu)建和諧綠色地圖，滿足用戶不同的應(yīng)用需求。

由于本文從詞義上進(jìn)行對異常地圖標(biāo)注進(jìn)行識別，未涉及到空間位置的適宜性。然而，地圖標(biāo)注在空間上也存在異常，即地圖標(biāo)注是否適宜出現(xiàn)在該位置。在地圖中，標(biāo)注與地物相同，相同類型的標(biāo)注在空間上聚集，基于此特點(diǎn)的標(biāo)注空間適宜性評價是有待進(jìn)一步完善的內(nèi)容。

［1］馬耀峰，胡文亮，張安定，等.地圖學(xué)原理［M］.北京:科學(xué)出版社，2004.

［2］樊紅，張祖勛.地圖線狀要素自動注記的算法設(shè)計與實現(xiàn)［J］.測繪學(xué)報，1999:86-89.

［3］喬占明，閆浩文.地圖標(biāo)注和地圖注記的探討［J］.測繪與空間地理信息，2011(1):205-207.

［4］何麗華，徐之俊.地圖注記設(shè)計若干問題的探討［J］.地理空間信息，2011，9(6).

［5］劉耕，方勇，劉嘉勇.基于關(guān)聯(lián)詞和擴(kuò)展規(guī)則的敏感詞庫設(shè)計［J］.四川大學(xué)學(xué)報:自然科學(xué)版，2009，46(3):667-667.

［6］BOYER R S，MOORE J S.A fast string searching algorithm［J］.Communications of the ACM，1977，20(10):762-772.

［7］Aho A V，Corasick M J.Efficient string matching:an aid to bibliographic search［J］.Communications of the ACM，1975，18(6):333-340.