Geospatial AI, Dataverse Metadata, and the Study of Place-Based Government· 地理空间AI与地方治理研究
Harvard Dataverse hosts over 150,000 research datasets, but the geographic information those datasets carry is entered as free text by depositors and has never been assembled into a searchable structure. We construct a knowledge graph from the repository's public data and metadata, organizing 102,650 datasets within a 215,985-node network of 528,003 edges linking datasets to keywords, publications, subjects, journals, and locations. Of those datasets, 43,991 (42.9 percent) carry at least one geospatial field, geographic coverage, geographic unit, or a bounding box and 96.9 percent of all nodes sit in a single connected component, so datasets remain reachable from one another even when their geospatial metadata share nothing in common. A conservative keyword search identifies 7,654 geospati
利用地理空间AI构建哈佛Dataverse的知识图谱，提高地理数据的可搜索性和互连性。
- 核心方法
- 通过分析公共数据和元数据构建知识图谱，使用AI技术识别和组织地理空间信息，建立数据集与关键词、出版物、学科、期刊和地点之间的链接。
- 适合谁读
- 研究者
- 要解决的问题
- 解决哈佛Dataverse中大量研究数据集的地理信息未结构化，难以搜索和利用的问题。
- 关键实验
- 构建的知识图谱中，96.9%的节点位于一个连接组件中，表明即使没有共同的地理空间元数据，数据集之间仍可互相访问。保守的关键字搜索确定了7,654个地理空间相关的数据集。
- 主要贡献
- 创建了一个包含10万多个数据集的大型知识图谱，其中超过4.3万个数据集包含地理空间信息，极大提高了数据的互连性和可访问性。
- 意义与局限
- 该研究提高了地理空间数据在大型研究数据集中的可利用性，促进了跨学科和地方治理研究的发展。然而，依赖关键字搜索可能遗漏部分相关数据集。