买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉成都陆拓信息技术有限公司申请的专利基于地理上下文的历史地名时空重建方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121278638B 。

龙图腾网通过国家知识产权局官网在2026-05-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511442406.X，技术领域涉及：G06F18/25；该发明授权基于地理上下文的历史地名时空重建方法及装置是由柯沁君;马会林;于亚杰;何阳;曹华强;张学业;刘超设计研发完成，并于2025-10-10向国家知识产权局提交的专利申请。

本基于地理上下文的历史地名时空重建方法及装置在说明书摘要公布了：本发明公开了基于地理上下文的历史地名时空重建方法及装置，涉及地理信息管理领域，方法包括S1、构建并训练优化多模态语言模型；S2、获取历史地名数据；S3、处理历史地名数据形成全域历史地名注记数据集；S4、融合全域历史地名注记数据集；S5、提取地理上下文特征；S6、构建历史地名时空状态模型，并重建获得重建结果；S7、可视化展示重建结果；通过地理上下文理解与多源数据融合来解决历史地名的时空错位问题，引入通过多模态语言模型，使得地名重建弥补了传统方法的不足；通过地理上下文的建模，确保历史地名的重建实现时空的一致性，结合历史变迁的时空背景，增强数据的时效性与准确性，有效解决历史地名信息缺失和“时空错位”问题。

本发明授权基于地理上下文的历史地名时空重建方法及装置在权利要求书中公布了：1.基于地理上下文的历史地名时空重建方法，其特征在于，包括： S1、构建初始的多模态语言模型，并获取训练数据集进行训练优化，获得优化后的多模态语言模型，多模态语言模型用于缺失地名的预测；训练优化初始的多模态语言模型具体包括： 1将训练数据集划分为训练集、验证集和测试集； 2使用遮蔽语言模型MLM对训练集进行随机掩码，利用多模态语言模型预测被掩码的地名，并计算交叉熵损失函数； 3使用STI训练方法根据训练集构造部分缺失的时空属性，利用多模态语言模型预测缺失的属性值，并计算均方误差损失函数MSE； 4结合交叉熵损失函数和均方误差损失函数MSE优化多模态语言模型； 5、通过人类反馈对多模态语言模型进行指令微调，获得优化后多模态语言模型； S2、通过多渠道获取待重建的历史地名数据；历史地名数据包括地理国情数据、行政边界数据、遥感与影像数据和互联网开放数据，地理国情数据包括国土空间监测数据、土地利用数据和地形高程数据，行政边界数据包括民政部门年度行政区划变更数据和国土变更调查行政界限数据，遥感与影像数据包括多时相遥感影像、历史卫星影像和正射影像图，互联网开放数据包括地理信息公共服务平台、社交媒体地名标注和历史地图数字化成果； S3、对历史地名数据进行处理，形成全域历史地名注记数据集； S4、将全域历史地名注记数据集进行多源数据融合； S5、提取融合后的数据的地理上下文特征； S6、构建历史地名时空状态模型，并利用历史地名时空状态模型和多模态语言模型完成历史地名时空重建，获得重建结果；利用历史地名时空状态模型和多模态语言模型完成历史地名时空重建，具体包括： 1初始地名识别：从历史文献和遥感影像中提取已知地名及其时空属性； 2缺失地名预测：利用优化后的多模态语言模型预测缺失年度的地名，并结合地理上下文特征校验合理性； 3时空连续性建模：通过时空插值算法生成连续的地名时空分布，插值生成的地名地址位置信息表示为：；为第i个邻域点位置；第i个邻域点与中心点的距离；p为幂参数常量； 4交叉校验：与国土变更调查数据、民政部门行政区划数据对比，修正预测结果； S7、对重建结果进行可视化展示。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人成都陆拓信息技术有限公司，其通讯地址为：610200 四川省成都市天府新区兴隆街道兴隆湖宝塘二街106号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。