解读—revealing deep semantic commercial patterns:Insights from urban landscape depiction
现在首先要先把自己团队的论文搞搞清楚，把调理梳理清楚。明白想要表达什么
这篇论文的题目是洞察城市景观特征，揭示深度语义商业模式。
简单来说就是基于（1）POI的密度、（2）建筑物的PLAND（每个格子中总建筑物的面积/格子总面积）、（3）建筑物的景观形状指数、（4）道路密度，以及点评数据的语义分析后的商业模型之间构建结构方程模型，得到城市景观和商业模式两者之间的关系。
研究区是广州的一个区域
方法：
（1）首先划分的是200m×200m的格网，在每个格网中计算上面四个指标，（但是为什么选择这四个指标不是很明白）。
（2）分析城市景观分布，就是对上面四个计算结果进行分析，（学习如何将简单的空间分布分析说的高级一点）。这里出来的结果：POI的密度的稀疏簇划定了商业模式的潜在区域；建筑物的PLAND是密集簇，建筑占据面积大于其他设施区域；建筑物的LSI是指建筑空间异质性，复杂布局的建筑物不会占据很大的空间；道路密度是分布和连接不同的景观。
（3）分解深度语义商业模式。采用的是LDA主题模型，依旧是在200×200m的方格中进行主题提取，采用了10个主题（k=10），其中，主题2，4，5用于表示餐饮相关的，3和9表示住宿相关的。
（4）从城市景观中揭示深度语义商业模式，构建结构方程式，基于积分路径分析和验证性因素分析城市景观和商业模式之间的关系，并对方程式进行了检验。总之，模型结果从四个方面支持这个假设，1）城市景观对POI密度、建筑物的PLAND、建筑物的LSI和道路密度有直接的影响，标准估计分别为0.53、0.63、0.69、0.29；2）餐饮相关的商业模式对主题2，4，5，7有直接的影响，标准估计为0.28、0.42、0.19、0.29；3）住宿相关的商业模式对主题3，9有直接的影响，标准估计为0.71和0.24。
讨论：1）整合城市设施、建筑和道路来支持城市规划；2）安排餐饮与住宿点来组织商业模式；3）增强城市环境和商业土地利用之间的和谐性。
感觉总结的还是不是很好，虽然总是尝试着用简单的语言去把论文讲的明白，有种四两拨千斤的感觉，但是自己现在对于其中的很多细节还是存疑。
解读—revealing deep semantic commercial patterns:Insights from urban landscape depiction相关推荐
- 【Whalepaper】NLP论文研读 - Keyword-Attentive Deep Semantic Matching
Whalepaper是由周郴莲负责的一个每周分享论文的活动,带你研读AI领域的论文,快来一起开源学术科研吧! NLP 论文分享:每周日 晚上 九点 CV 论文分享: 每周日 晚上 九点 Res 论文分 ...
- 论文解读：Deep Dyna-Q: Integrating Planning for Task-Completion Dialogue Policy Learning
论文解读:Deep Dyna-Q: Integrating Planning for Task-Completion Dialogue Policy Learning (2018 ACL) 简要信息: ...
- 论文翻译阅读——Facial Emotion RecognitionUsing Deep Learning:Review And Insights
文章目录 Abstract Introduction Facial Available Databases Facial Emotion Recognition Using Deep Learning ...
- Applied Cloud Deep Semantic Recognition: Advanced Anomaly Detection（应用云深层语义识别：高级异态检测）——Chapter 1...
Chapter 1 (by Guangnan Ye from IBM T.J. Watson Research Center in Yorktown Heights, New York) Larg ...
- 论文解读《Semi-Supervised Semantic Segmentation with Cross Pseudo Supervision》
论文解读<带有交叉伪监督的半监督式语义分割法> 论文出处:CVPR2021 论文地址:论文地址 代码地址:代码地址 一 摘要: (1) 本文通过研究有标签数据和无标签数据,研究了半监督语义 ...
- 论文解读：Deep High Dynamic Range Imaging of Dynamic Scenes
Deep High Dynamic Range Imaging of Dynamic Scenes Abstract 这篇文章介绍了一种在动态场景中,如何将不同曝光的图像进行融合从而得到高动态图像的方 ...
- 论文解读|2020TPAMI|Deep High-Resolution Representation Learning for Visual Recognition
用于视觉识别的深度高分辨率表征学习 github:https://github.com/HRNet 论文地址:https://arxiv.org/pdf/1908.07919 摘要 高分辨率表示对于位 ...
- 深度学习论文随记（二）---VGGNet模型解读-2014年（Very Deep Convolutional Networks for Large-Scale Image Recognition）
深度学习论文随记(二)---VGGNet模型解读 Very Deep Convolutional Networks forLarge-Scale Image Recognition Author: K ...
- 多目标跟踪论文 Deep SORT 解读
多目标跟踪论文 Deep SORT 解读 flyfish Deep SORT 是简称,原题目是<simple online and realtime tracking with a deep a ...
- Deep Learning Trends @ ICLR 2016：深度学习趋势@ICLR2016（译）
Preface 这是一篇译文,原文作者是Tomasz Malisiewicz大神,这是他在博客Tombone's Computer Vision Blog的文章,一发出来就引起这个圈子的广泛关注. ...
最新文章
- win10+Linux双系统安装及一些配置问题
- 代理加盟哪家小程序开发公司好
- 23、Power Query-XML与JSON数据获取
- mysql桥梁表_以JDBC为桥梁入门MySQL数据库基础
- 万字长文｜深度剖析Service Mesh服务网格新生代Istio
- 贝塞尔曲线 java_贝塞尔曲线理论及实现——Java篇
- 失去循环标签的Python，我这样实现跳出外层循环
- 2.1依赖概念之前的预备--war、jar包内部结构
- 千亿智慧照明市场背后，BLEMESH免开发方案成主流
- 30分钟！用Django做一个迷你的Todolist！下篇！
- 两端外伸梁内力计算机程序,外伸梁、不等跨连续梁的最大内力如何求解 ?
- 今日新闻简报 精选简报12条 2月1日
- Python爬虫：Scrapy-redis分布式爬虫讲解
- centos7挂载ntfs文件系统_CentOS7挂载NTFS格式的硬盘
- 内存稳定性测试软件(MemTest)
- github上实用、常用的插件和库
- 推荐几个优质 IT 公众号
- 新中大软件ngpower6.1单机版安装流程（WIN11)
- 数据库关于索引问题（违反唯一约束）
- 论文阅读23 - Mixture Density Networks(MDN)混合密度网络理论分析