孙君祯，苗立志,2*，徐兴永

(1.南京邮电大学 地理与生物信息学院，江苏 南京 210023;2.南京邮电大学 江苏省智慧健康大数据分析与位置服务工程实验室，江苏 南京 210023;3.南京邮电大学 通信与信息工程学院，江苏 南京 210003)

0 引 言

地理信息有着数据源广、发布形式多样以及应用多元化的特点，这使得地理信息数据表达形式也具有多样化的特点。随着云计算、大数据等相关技术的不断发展，为实现地理信息数据的有效共享，地理信息服务数据量增长趋势亦愈发明显，在有效降低地理信息数据采集难度的同时，也使得越来越多的用户在互联网上共享地理信息服务数据。但是，日益增长的地理信息服务空间数据在地理信息知识表达方面存在“数据丰富、知识匮乏”的现象，传统的检索方法已不能满足人们获取知识的需求。并且，传统的地理信息服务语义检索在元数据领域的标记方式在目前还没有统一的标准，语义标记实现后容易导致次生的共享障碍。MIML(multi-instance multi-label learning，多示例多标记学习)是针对对象的歧义性而提出的一种学习框架[1,2]，在该框架下，表述地理信息服务数据的语义信息由包含多个示例的示例包来表示，且其对应的描述该地理信息服务元数据的类别标记也不再是唯一的，而是变成多个标记该元数据的标记组成的集合。因此，MIML学习可以在地理信息服务语义标记方面得到有效应用。

Zhou等[1-2]于2007年提出MIML学习框架以来，已被相关研究者广泛用于标记任务，如生物图像信息学、图像标注、视频标注、文本分类等相关领域[3-4]。……