多源異構(gòu)土地基礎(chǔ)數(shù)據(jù)一體化管理檢索方法研究

張書瑜，張定祥，王榮彬 ，季宏偉

(1. 浙江大學(xué) 地球科學(xué)學(xué)院， 浙江 杭州 310027； 2. 中國土地勘測規(guī)劃院， 北京100035)

0 引 言

我國在土地調(diào)查、監(jiān)測和評(píng)價(jià)項(xiàng)目中已積累了海量基礎(chǔ)數(shù)據(jù)，涵蓋土地利用、變更、監(jiān)測、評(píng)價(jià)、規(guī)劃等方面，涉及土地、測繪與遙感、自然地理、社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)等多個(gè)專題分類. 海量數(shù)據(jù)成果為國家土地管理和宏觀決策提供了有力的數(shù)據(jù)支撐，但其海量性和多源異構(gòu)性也對(duì)數(shù)據(jù)管理的有效性和數(shù)據(jù)檢索的快捷性提出了巨大的挑戰(zhàn). 基于ArcGIS、SuperMap[1]實(shí)現(xiàn)的土地管理信息系統(tǒng)可對(duì)傳統(tǒng)的土地時(shí)空數(shù)據(jù)進(jìn)行有效的管理和檢索，但對(duì)數(shù)量和復(fù)雜程度呈幾何級(jí)數(shù)增長的多源異構(gòu)土地時(shí)空大數(shù)據(jù)而言，這些方法易導(dǎo)致計(jì)算效率低、擴(kuò)展檢索難等問題. 文獻(xiàn)[2]設(shè)計(jì)的基于Hadoop集群計(jì)算的土地時(shí)空大數(shù)據(jù)集成平臺(tái)框架可大大提升海量數(shù)據(jù)的管理、處理和服務(wù)性能，但在用戶檢索模塊中缺乏靈活的數(shù)據(jù)搜索引擎. 因此，開發(fā)更加實(shí)用高效的土地時(shí)空大數(shù)據(jù)管理檢索一體化框架是一個(gè)重要的研究課題.

垂直搜索是專門為某一學(xué)科或主題的數(shù)據(jù)而設(shè)計(jì)的信息查詢方式，適用于解決針對(duì)性強(qiáng)和精確度要求高的實(shí)際查詢問題. 垂直搜索較綜合搜索具有更高的查準(zhǔn)率和相關(guān)度，通?；谠紨?shù)據(jù)提取后的結(jié)構(gòu)化信息進(jìn)行檢索，檢索結(jié)果排序方式可由用戶設(shè)定[3]. 垂直信息檢索在電子商務(wù)、影視娛樂、教育資源、旅游等行業(yè)的應(yīng)用越來越廣泛，而在土地?cái)?shù)據(jù)領(lǐng)域的應(yīng)用還較少. 構(gòu)建垂直搜索引擎時(shí)對(duì)結(jié)構(gòu)化信息進(jìn)行進(jìn)一步的分類和去重處理有助于提高檢索的效率和準(zhǔn)確度[4]，元數(shù)據(jù)技術(shù)是實(shí)現(xiàn)海量數(shù)據(jù)資源結(jié)構(gòu)化信息提取的主要手段，有助于快速搜索、提供關(guān)鍵信息、管理和維護(hù)、數(shù)據(jù)共享等[5]，但針對(duì)多源異構(gòu)的土地基礎(chǔ)數(shù)據(jù)進(jìn)行規(guī)范化元數(shù)據(jù)提取的研究較少. 基于數(shù)據(jù)庫技術(shù)實(shí)現(xiàn)的土地管理系統(tǒng)[6]在信息檢索方面存在模糊匹配不精確和無相似度排序等不足，而基于全文索引技術(shù)實(shí)現(xiàn)的垂直搜索引擎[7]，可通過中文分詞、反向索引和相似度算法較好地實(shí)現(xiàn)信息檢索，但對(duì)于信息提取后的結(jié)構(gòu)化土地?cái)?shù)據(jù)而言，直接應(yīng)用全文索引技術(shù)仍存在不同字段信息之間相對(duì)權(quán)重差異無法體現(xiàn)、土地領(lǐng)域一義多詞現(xiàn)象檢索不全的問題. 基于關(guān)鍵詞匹配的傳統(tǒng)自然語言檢索模型，文獻(xiàn)[8]通過本體概念擴(kuò)展策略提高了信息檢索的查全率和查準(zhǔn)率；文獻(xiàn)[9]通過術(shù)語同義詞擴(kuò)展提高了信息檢索的性能. 但對(duì)于海量土地基礎(chǔ)數(shù)據(jù)而言，構(gòu)建完整的領(lǐng)域本體模型及邏輯計(jì)算體系難度很大，且易導(dǎo)致模型計(jì)算復(fù)雜和檢索效率低下. 所以，同義詞擴(kuò)展方式的適用性更強(qiáng).

本文研究適合海量多源異構(gòu)土地基礎(chǔ)數(shù)據(jù)的管理檢索一體化方法框架，旨在提高管理和檢索過程中信息的融合程度、計(jì)算效率、檢索準(zhǔn)確率和查全率. 基于元數(shù)據(jù)技術(shù)和土地?cái)?shù)據(jù)標(biāo)準(zhǔn)規(guī)范實(shí)現(xiàn)復(fù)雜土地?cái)?shù)據(jù)的結(jié)構(gòu)化信息提取，并采用反向索引技術(shù)進(jìn)行信息加權(quán)優(yōu)化，實(shí)現(xiàn)更為精準(zhǔn)的土地?cái)?shù)據(jù)檢索計(jì)算和排序；通過同義詞擴(kuò)展方式，結(jié)合地名和土地?cái)?shù)據(jù)層實(shí)體，實(shí)現(xiàn)靈活有效的土地?cái)?shù)據(jù)檢索過濾和匹配，以此管理檢索一體化方法框架，推動(dòng)土地時(shí)空大數(shù)據(jù)共享服務(wù)平臺(tái)的建設(shè)和發(fā)展.

1 元數(shù)據(jù)信息提取

土地基礎(chǔ)數(shù)據(jù)包括空間與非空間數(shù)據(jù)集，空間信息以矢量、柵格、空間數(shù)據(jù)庫為主，記錄了土地利用現(xiàn)狀、土地規(guī)劃布局、遙感監(jiān)測影像等與空間位置相關(guān)的數(shù)據(jù)，包括shp、shx、sbn、sbx、prj、img、tif、tiff、dxf、tfw、gdb等多種文件格式；非空間信息以文檔、統(tǒng)計(jì)表、非空間數(shù)據(jù)庫為主，記錄了行政區(qū)劃土地統(tǒng)計(jì)、土地業(yè)務(wù)標(biāo)準(zhǔn)規(guī)范、土地調(diào)查報(bào)告等非空間數(shù)據(jù)，包括doc、docx、pdf、xls、xlsx、mdb、txt、psd、xml等多種文件格式. 這些數(shù)據(jù)文件來自多個(gè)地方國土部門和多個(gè)土地業(yè)務(wù)流程，存在格式多樣、目錄結(jié)構(gòu)不一、分布不均勻等問題. 元數(shù)據(jù)是說明數(shù)據(jù)的數(shù)據(jù)，可以描述土地基礎(chǔ)數(shù)據(jù)的內(nèi)容信息、地理覆蓋范圍、數(shù)據(jù)質(zhì)量、數(shù)據(jù)所有者和分發(fā)者、數(shù)據(jù)格式等多方面的信息. 應(yīng)用元數(shù)據(jù)技術(shù)從多源異構(gòu)的土地基礎(chǔ)數(shù)據(jù)中提取結(jié)構(gòu)化信息，需要基于國家地理信息標(biāo)準(zhǔn)和土地領(lǐng)域元數(shù)據(jù)規(guī)范進(jìn)行實(shí)體圖和數(shù)據(jù)表結(jié)構(gòu)設(shè)計(jì)[5].

本研究中，土地基礎(chǔ)數(shù)據(jù)共享元數(shù)據(jù)的設(shè)計(jì)參考《地理信息元數(shù)據(jù)》GB/T 19710-2005、《國土資源信息核心元數(shù)據(jù)元素列表標(biāo)準(zhǔn)》TD/T 1016-2003、《地理信息共享元數(shù)據(jù)國家標(biāo)準(zhǔn)(附錄K)》GB/T 19333.15-200X/ISO 19115： 2003等標(biāo)準(zhǔn)規(guī)范. 由于土地基礎(chǔ)共享數(shù)據(jù)包括空間信息和非空間信息，在文檔和統(tǒng)計(jì)表等非空間數(shù)據(jù)的元數(shù)據(jù)描述中并不涉及空間參照系統(tǒng)等空間信息，因此，部分空間實(shí)體和屬性是可選的. 核心元數(shù)據(jù)聚合實(shí)體包括： 標(biāo)識(shí)信息、數(shù)據(jù)質(zhì)量信息、內(nèi)容信息3個(gè)必選實(shí)體，以及分發(fā)信息、空間參照系統(tǒng)信息2個(gè)可選實(shí)體，核心元數(shù)據(jù)聚合實(shí)體本身，包括日期和負(fù)責(zé)單位信息2個(gè)必選要素. 標(biāo)識(shí)信息實(shí)體中，對(duì)矢量和柵格數(shù)據(jù)而言，除共同的地理范圍和地理描述屬性外，描述空間信息的屬性是條件必選的，矢量數(shù)據(jù)具備表示方式和比例尺屬性描述，柵格數(shù)據(jù)具備空間分辨率、衛(wèi)星類型、影像類型、影像軌道表示和垂向范圍信息屬性描述. 內(nèi)容信息實(shí)體中，矢量描述屬性包含了圖層名稱、要素類型名稱和屬性列表，而柵格描述屬性包括了柵格影像內(nèi)容描述.

以土地基礎(chǔ)矢量數(shù)據(jù)為例，共享元數(shù)據(jù)設(shè)計(jì)框圖如圖1所示.

圖1 土地基礎(chǔ)矢量數(shù)據(jù)共享元數(shù)據(jù)設(shè)計(jì)框圖Fig.1 Design of sharing metadata entities of land basic vector data

2 基于元數(shù)據(jù)的加權(quán)索引

信息檢索中常用的索引和匹配方法為基于向量空間模型和TF-IDF算法[10]，從原文件文本中提取特征向量表示該文檔，選擇索引詞并計(jì)算權(quán)重. 通過建立專業(yè)領(lǐng)域詞典和停用詞典簡化分詞和識(shí)別詞組，并高效獲取候選特征詞集[11]. 本研究基于采集的多源異構(gòu)土地基礎(chǔ)數(shù)據(jù)的結(jié)構(gòu)化元數(shù)據(jù)信息進(jìn)行索引構(gòu)建和數(shù)據(jù)檢索，從而解決了多種數(shù)據(jù)格式，尤其是復(fù)雜的時(shí)空數(shù)據(jù)，不便于提取特征向量和構(gòu)建索引的問題.

首先，采用文獻(xiàn)[12]中的層次隱馬爾可夫模型(HMM)進(jìn)行中文詞法分析和分詞切分，并導(dǎo)入經(jīng)整理的土地基礎(chǔ)數(shù)據(jù)字典和地理行政單元字典，以提高土地專題數(shù)據(jù)名詞和地理名詞識(shí)別的完整性和準(zhǔn)確率. 其中，采用N-最短路徑作為切分排歧策略，在初始階段保留切分概率最大的N個(gè)結(jié)果，詞法分析后通過評(píng)價(jià)函數(shù)計(jì)算真正的最優(yōu)結(jié)果. 該思想是最少切分方法和全切分方法的泛化和綜合. 在基于類的隱馬爾可夫模型中，最終取概率最大的分詞結(jié)果. 利用貝葉斯公式和一階HMM展開，得到計(jì)算公式：

(1)

其中，W=(w1,w2,…，wn)為一個(gè)可能的分詞結(jié)果，W=(c1,c2,…，cn)為對(duì)應(yīng)的類別序列，W#為最終的分詞結(jié)果.

其次，考慮到TF-IDF算法無法全面反映特征詞條在各文本分類中的分布，本文采用引入了信息熵因子的TF-IDF算法[13]，以反映特征詞條在不同級(jí)別土地專題分類文本中的分布情況，其計(jì)算公式為

Wj(ti)=TF(ti)×IDF(ti)×μ(I(p)),

(2)

其中，

TF(ti)為特征詞條ti的詞頻值，即ti在文檔j中出現(xiàn)的次數(shù)占該文檔總詞數(shù)的比例；IDF(ti)為逆文檔概率值，即包含ti的文檔數(shù)占總文檔數(shù)比例的倒數(shù)再取對(duì)數(shù)值；μ(I(p))為信息熵因子值，即ti分布信息熵的倒數(shù)，而分母是不能為0的，因此在分母上加上詞條信息熵的次小值[13].

另一方面，如果直接對(duì)土地基礎(chǔ)數(shù)據(jù)的所有元數(shù)據(jù)字段進(jìn)行分詞、TF-IDF值計(jì)算和構(gòu)建索引，會(huì)導(dǎo)致不同字段信息的相對(duì)權(quán)重差異無法體現(xiàn)，因?yàn)樵獢?shù)據(jù)字段中有重要的必選字段和次重要的可選字段. 例如一個(gè)數(shù)據(jù)的標(biāo)題中包含用戶檢索的查詢?cè)~匯，而另一個(gè)數(shù)據(jù)只在內(nèi)容描述中包含該詞匯，顯然，標(biāo)題中包含查詢?cè)~匯的數(shù)據(jù)與用戶檢索的相關(guān)度更高，因此，需要根據(jù)元數(shù)據(jù)中字段的重要性對(duì)分詞TF-IDF權(quán)重值進(jìn)行加權(quán)計(jì)算，使查詢效果更符合用戶的檢索需求. 在空間、時(shí)間和內(nèi)容3個(gè)維度的所有元數(shù)據(jù)字段信息中，因空間和時(shí)間維度信息較重要，會(huì)基于識(shí)別和提取的方式對(duì)其主要的時(shí)間名詞和地理名詞構(gòu)建相應(yīng)的反向索引表；而內(nèi)容維度中的標(biāo)題和關(guān)鍵詞字段信息較文件摘要和內(nèi)容描述等字段信息更重要，可簡明扼要地概括數(shù)據(jù)的主題內(nèi)容. 采用以下公式計(jì)算每一條元數(shù)據(jù)記錄的特征向量的TF-IDF權(quán)重：

TF_IDF*(ti)=TF_IDF(ti)×Wc(Cj(ti)),

(3)

其中，TF_IDF*(ti)是考慮元數(shù)據(jù)字段重要性加權(quán)后的新TF-IDF權(quán)重，TF_IDF(ti)是未考慮重要性加權(quán)的原TF-IDF權(quán)重，Cj是ti詞匯所出現(xiàn)的相對(duì)較重要的字段，Wc是Cj字段相對(duì)重要的權(quán)重，該權(quán)重值可以使不同元數(shù)據(jù)記錄中出現(xiàn)在不同字段的同一個(gè)特征分詞具有差異.

3 基于實(shí)體同義詞的檢索擴(kuò)展

3.1 地名實(shí)體的提取和匹配

在土地基礎(chǔ)數(shù)據(jù)的空間維度信息中，除了用地理坐標(biāo)表示的空間位置和地理范圍外，還有數(shù)據(jù)文件對(duì)應(yīng)的地理行政單元信息，對(duì)于土地業(yè)務(wù)用戶而言，地理行政單元是其更為關(guān)注和常用的檢索詞匯. 地理行政單元體系是非扁平化和非單一化的，既存在省、市、縣等相互之間的層級(jí)包含關(guān)系，也存在同一地名實(shí)體有不同文本表達(dá)的復(fù)雜性(例如，“杭州”“杭州市”“330100”，都表示杭州這個(gè)地名實(shí)體)，因此，需要構(gòu)建地名實(shí)體模型，對(duì)土地基礎(chǔ)數(shù)據(jù)和用戶檢索語句中對(duì)應(yīng)的地名實(shí)體進(jìn)行明確表達(dá)，并對(duì)兩者之間地名實(shí)體匹配進(jìn)行精確的關(guān)聯(lián)計(jì)算.

文獻(xiàn)[14]利用地名語義實(shí)現(xiàn)了Web地震事件的空間信息提取，通過構(gòu)建地名本體庫和標(biāo)準(zhǔn)化地名提取地震事件的地點(diǎn)信息，并通過語義庫和推理機(jī)制搜索地名標(biāo)定范圍內(nèi)的地震事件. 本文構(gòu)建的地名實(shí)體庫亦基于2條基本的推理規(guī)則： 地理行政單元的層級(jí)包含規(guī)則和地名實(shí)體的同義表達(dá)規(guī)則. 只是在同義表達(dá)規(guī)則中增加了地理行政編碼表達(dá)方式，盡管用戶一般不會(huì)采用地理編碼方式查詢語句，但土地基礎(chǔ)數(shù)據(jù)中有大量矢量和柵格數(shù)據(jù)是以地理編碼方式表達(dá)地理信息的，因此，地理編碼方式對(duì)于從數(shù)據(jù)中提取地理信息必不可少. 基于國家地理行政單元體系的地名本體庫結(jié)構(gòu)如圖2所示，其中“包含”層級(jí)為“父類”，“被包含”層級(jí)為“子類”.

圖2 地名實(shí)體庫結(jié)構(gòu)圖[14]Fig.2 Structure of toponym entity database

對(duì)地名實(shí)體進(jìn)行提取時(shí)，需要明確其邊界范圍，利用地名語義庫、詞性、句法和詞法分析以識(shí)別同等邊界范圍的地名實(shí)體. 例如，“浙江省杭州市”的等價(jià)地名實(shí)體是杭州，而不是“浙江”或“浙江和杭州”；“浙江省和杭州市”則指浙江和杭州這2個(gè)地名實(shí)體，而非只浙江或杭州一個(gè)地名實(shí)體. 因此，首先利用中文分詞技術(shù)對(duì)字段文本進(jìn)行切分，分別標(biāo)注名詞、動(dòng)詞、形容詞、副詞、介詞等，對(duì)其中的名詞細(xì)化標(biāo)注為普通名詞和地名等；然后將其中的地名與地名語義庫進(jìn)行匹配，并根據(jù)文本中介詞的邏輯語義得到同等地名實(shí)體.

3.2 專題數(shù)據(jù)層的提取和匹配

土地基礎(chǔ)數(shù)據(jù)中的矢量和柵格數(shù)據(jù)大多具有規(guī)范化的命名規(guī)則. 土地利用、管制、整治或規(guī)劃圖等的數(shù)據(jù)命名規(guī)則為“地理行政編碼+專題數(shù)據(jù)層縮寫詞”，例如，“500232024TDZZGHT.JPG”為重慶武隆縣土地整治規(guī)劃柵格圖數(shù)據(jù)，“500242JQXZDW.shp”為重慶酉陽縣鄉(xiāng)級(jí)基期線狀地物矢量數(shù)據(jù). 對(duì)于圖層內(nèi)容類土地專題數(shù)據(jù)層縮寫詞，單純進(jìn)行字面匹配對(duì)于信息檢索而言是不夠精確的，因此需要構(gòu)建土地專題及數(shù)據(jù)層的語義庫進(jìn)行同義轉(zhuǎn)換. 以縣級(jí)土地利用目標(biāo)年規(guī)劃數(shù)據(jù)為例，整理的專題數(shù)據(jù)層縮寫詞如圖3所示.

圖3 縣級(jí)土地利用目標(biāo)年規(guī)劃專題數(shù)據(jù)層縮寫詞Fig.3 Thematic data layer acronym of land use planning for target year at county level

土地基礎(chǔ)數(shù)據(jù)可根據(jù)專題領(lǐng)域劃分為層級(jí)式的專題結(jié)構(gòu)，包括一級(jí)專題和二級(jí)專題. 一級(jí)專題主要涵括土地詳查、土地資源大調(diào)查、城鎮(zhèn)地籍調(diào)查、全國土地調(diào)查、土地利用總體規(guī)劃、城鄉(xiāng)土地價(jià)格監(jiān)測、土地利用變更調(diào)查及其監(jiān)測核查八方面. 不同專題包含的數(shù)據(jù)文件格式和類型不同，其中矢量和柵格數(shù)據(jù)多以地理行政單元編碼和土地專題數(shù)據(jù)層縮寫詞命名. 以年度土地利用變更調(diào)查成果一級(jí)專題為例，包括基礎(chǔ)地理要素、土地權(quán)屬要素、基本農(nóng)田要素、土地利用要素、柵格要素、其他要素等. 其中，空間要素采用分層(層名稱及各層要素)的方法進(jìn)行組織管理，每個(gè)空間數(shù)據(jù)層都有原詞和縮寫詞2種名稱，以構(gòu)建土地專題及數(shù)據(jù)層的語義庫，在信息檢索時(shí)進(jìn)行同義轉(zhuǎn)換，提高數(shù)據(jù)檢索的查準(zhǔn)率和查全率.

4 管理檢索一體化方法框架

在本研究的開發(fā)實(shí)踐中，基于Visual Studio 2010(.NetFramework 4.0)開發(fā)環(huán)境，采用C#語言，利用Arc Engine 10.1和DevExpress 13.1開發(fā)了土地基礎(chǔ)數(shù)據(jù)半自動(dòng)化元數(shù)據(jù)采集工具. 使用該元數(shù)據(jù)采集工具，從北京市2015年的多源異構(gòu)土地基礎(chǔ)數(shù)據(jù)中提取元數(shù)據(jù)信息，并整理入庫，數(shù)據(jù)庫采用MySQL 5.5軟件. 在元數(shù)據(jù)字段的相對(duì)重要性權(quán)重計(jì)算中，標(biāo)識(shí)信息的權(quán)重設(shè)置較數(shù)據(jù)質(zhì)量信息和內(nèi)容信息等的權(quán)重高，數(shù)據(jù)文件的標(biāo)題和關(guān)鍵詞字段的權(quán)重較摘要和概述等的權(quán)重高. 基于提取的土地基礎(chǔ)數(shù)據(jù)元數(shù)據(jù)信息進(jìn)行中文分詞和加權(quán)TF-IDF值計(jì)算，構(gòu)建分詞的反向索引表數(shù)據(jù)庫.

在用戶進(jìn)行土地基礎(chǔ)數(shù)據(jù)的檢索查詢時(shí)，首先對(duì)用戶查詢語句進(jìn)行分詞處理，并基于專題數(shù)據(jù)層和地名實(shí)體同義詞庫進(jìn)行檢索擴(kuò)展，對(duì)于地名實(shí)體，可考慮是否選擇父子類地名擴(kuò)展查詢，即檢索結(jié)果中是否包含上下級(jí)行政地名的土地基礎(chǔ)數(shù)據(jù)，若包含，則上下級(jí)地名與檢索條件的相關(guān)度低于原地名，用擴(kuò)展的地名條件進(jìn)行檢索可以獲得更加全面和精確的結(jié)果. 然后，根據(jù)擴(kuò)展的檢索語句分詞在索引庫中搜索和過濾相關(guān)的土地?cái)?shù)據(jù)記錄，并采用向量空間模型的余弦相似性原理計(jì)算檢索分詞向量與數(shù)據(jù)特征向量之間的相關(guān)度，最后按相關(guān)度從高到低進(jìn)行排序，并將檢索結(jié)果返回給用戶. 檢索流程如圖4所示.

圖4 土地基礎(chǔ)數(shù)據(jù)檢索流程Fig.4 Retrieval process of land basic data

實(shí)踐證明，本文提出的基于元數(shù)據(jù)的管理檢索一體化方法的框架有助于實(shí)現(xiàn)多源異構(gòu)土地基礎(chǔ)數(shù)據(jù)的統(tǒng)一管理和精確檢索，在檢索效率和滿足用戶需求方面都有很大的提升.

5 結(jié) 論

結(jié)合土地領(lǐng)域?qū)I(yè)知識(shí)和用戶實(shí)際需求，提出了適用于多源異構(gòu)土地基礎(chǔ)數(shù)據(jù)信息管理檢索一體化方法的框架，以實(shí)現(xiàn)多源異構(gòu)的復(fù)雜土地基礎(chǔ)數(shù)據(jù)的統(tǒng)一管理和精確檢索. 針對(duì)元數(shù)據(jù)信息提取，根據(jù)國家元數(shù)據(jù)標(biāo)準(zhǔn)和土地領(lǐng)域元數(shù)據(jù)規(guī)范的相關(guān)文件，設(shè)計(jì)了土地基礎(chǔ)數(shù)據(jù)的實(shí)體圖和元數(shù)據(jù)表結(jié)構(gòu)，并開發(fā)了元數(shù)據(jù)采集工具；在基于元數(shù)據(jù)的加權(quán)索引中，在傳統(tǒng)的TF-IDF向量權(quán)重計(jì)算基礎(chǔ)上考慮了元數(shù)據(jù)不同字段的相對(duì)重要性以及信息熵因子，使結(jié)果更符合土地領(lǐng)域知識(shí)和用戶檢索需求；在基于實(shí)體同義詞的檢索擴(kuò)展中，構(gòu)建了地名實(shí)體同義詞庫和專題數(shù)據(jù)層實(shí)體同義詞庫，較好地實(shí)現(xiàn)了用戶查詢語句的檢索擴(kuò)展，提高了檢索的全面性和準(zhǔn)確率；最后，將這些適用于多源異構(gòu)土地基礎(chǔ)數(shù)據(jù)的優(yōu)化改進(jìn)方法集成于管理檢索一體化方法框架中，開發(fā)了相應(yīng)的檢索應(yīng)用系統(tǒng).測試表明，對(duì)于多源異構(gòu)的復(fù)雜土地基礎(chǔ)數(shù)據(jù)，本文提出的基于元數(shù)據(jù)的管理檢索一體化方法框架，較于傳統(tǒng)的通用信息檢索框架，具有更好的適用性和更高的準(zhǔn)確率.