International Journal of Digital Earth·10月1日 · 周四论文数字乡村与农业信息化阅读 1
GeoCaseRec: a knowledge graph semantics-driven framework for sustainable urban renewal recommendation
Minmin Li · Shilong Wei · Shunli Wang 等 8 人
论文解读
0未达精选线
速览
提出知识图谱语义驱动的城市更新推荐框架GeoCaseRec，自动检索相似历史案例并推荐演化特征。
方法
地理案例推理、大模型与空间计算联合抽取、异构图神经网络，474个中国城市更新项目
发现
语义重叠得分0.9277，top-3精度0.7817，验证了知识化城市更新决策支持的有效性。
机会点
可将该知识图谱+案例推理范式迁移至乡村建设或农业设施更新，解决多源异构数据与案例复用难题。
影响力0
信息增量0
专业深度0
信源权威0
时效性0
该论文聚焦城市更新推荐，与三农、农业信息化、智慧农业、数字乡村等主题无关，不予入选。
原文摘要
随着城市化从外延式扩张转向建成环境再生，可持续城市更新日益依赖对历史案例的有效复用。然而，这一过程仍受制于多源地理参照数据碎片化、语义异质性以及案例评估能力有限等问题。为应对上述挑战，本研究提出GeoCaseRec，一种知识图谱语义驱动的城市更新推荐框架。该框架以地理案例推理为基础，构建了涵盖地理位置、场地条件、空间拓扑与演化特征四个维度的集成表示模型，并进一步引入结合大语言模型与空间计算的联合抽取方法，从异构来源中提取关键信息。基于这些数据，构建案例内空间拓扑与案例间语义层级，实现城市更新知识图谱的自动化构建。为弥合推荐阶段的技术缺口，GeoCaseRec采用异构图神经网络融合多源异构属性，学习案例嵌入并检索前K个相似历史案例，以推荐潜在的演化特征。在中国四大城市群474个项目上的实验取得了0.9277的语义重叠得分和0.7817的前3精度，表明该方法对基于知识的城市更新决策支持具有实用价值。