Page 163 - 《软件学报》2026年第3期

1126 软件学报 2026 年第 37 卷第 3 期

D(n,word_NN) = min D(k i ,word_NN) (1)
1⩽i⩽|K|
NLQ 2 : List the 12 closest parks to the border of Nanjing.
NLQ 3 : List the 12 closest parks to the road 3.
以 NLQ 2 为例, 它包含 “closest”, K = {12}. 由定义 2 可得 k = 12. 以 NLQ 3 为例, 它包含 “closest”, K = {12, 3}.
对于 K 中所有基数词来说, 12 和单词 “closest” 之间的距离是最小的. 由定义 2 可得 k = 12.
定义 3 (距离阈值). 给定短语 D = (N, U), N 是一个数字, U 表示距离单位 (如 kilometer、meter), 每个单位 U 对
应一个到 meter 的转换因子 d = N×f U .
f U , 则距离阈值
{
1, U = meter
f U = (2)
1000, U = kilometer
NLQ 4 : Please provide a list of POIs within 2 kilometers of each district in Nanjing.
以 NLQ 4 为例, D = (2, kilometer), 由定义 3 可得 d = 2×1000 = 2000.
定义 4 (空间关系). 令 relation 是存储空间关系的字典数组, relation = {R 1 ,R 2 ,...,R n }, 则空间关系 R i 的完整结
构为:

R i = {“ID”: id i ,“Name”: name i ,“Attribute”: attribute i } (3)
其中, ID 属性表示空间关系的唯一标识符, Name 属性表示空间关系的名称, Attribute 属性用于描述空间关系的几
何类型, attribute i ∈ {point,line,region}.
定义 5 (查询地点). 令 location 是存储查询地点的字符串数组, location = {L 1 ,L 2 ,...,L m }, 其中 L i 是有效地理位
置, 如城市、区域、建筑物等.
3.2 查询实体提取
在提取实体信息之前, 基于空间数据库构造空间关系和地点知识库. 地点知识库存储地理空间实体的信息, 而
空间关系知识库则用于记录空间数据库中的表信息. 地点知识库的主要功能是完整表达每个地点的语义信息, 因
此需要包含地点的名称、类型以及其存储方式. 地点的存储方式可能是几何对象, 如区域 (region)、线 (line) 或点
(point), 也可能是某个空间关系表中的记录. 空间关系知识库存储空间数据库中所有空间关系表的信息, 包括唯一
标识符、名称和空间属性. 地点知识库中的地点如果是通过某一关系表存储的, 那么地点知识库中的该条记录会
引用空间关系知识库中的表标识符. 将地点和空间关系的信息分别存储为 CSV 文件, 就构成了地点知识库和空间
关系知识库. 为了提升知识库的搜索效率, 采用哈希表结构进行管理. 使用链表存储冲突的元素, 并使用动态调整
容量的策略来提高性能和内存利用率. 给定元素数量 size 和哈希表容量 capacity, 负载因子被定义为 load_factor =
size/capacity. 当负载因子 load_factor 超过阈值或过低时, 扩展或缩小哈希表容量并重新哈希所有元素.
空间数据自然语言查询中的关键实体信息提取如算法 2 所示. 首先, 对输入的 NLQ 进行初步处理, 利用 NLP
工具识别句子中潜在的关键信息, 并将如 “10-minute walk”“nearby” 等模糊自然语言表达转换为明确的空间距离
阈值. NLP 工具需满足以下条件: 高效的处理速度、广泛的功能支持、易于集成的开发环境. 基于这些考虑,
spaCy 是优先选择, 主要因为其在 Python 环境中的优秀性能及丰富的功能集. spaCy 不仅支持高效的分词和命名
实体识别, 还能够对复杂的语法结构进行解析, 特别适合处理多样化的自然语言查询. 为了提高系统的鲁棒性, 将
NLTK 作为替代方案. 利用 spaCy 对输入的 NLQ 进行处理, 生成两类候选实体的集合: 数字列表 N_L 和信息列表 I_L.

算法 2. 实体信息提取算法.

输入: 自然语言查询 Q, 地点知识库 LKB, 空间关系知识库 SRKB;
输出: 空间数据查询实体 E.
1. doc ← nlp(Q)
2. for word i ∈doc do