随着网络地理信息系统、元数据、地理信息服务、Web 2.0等技术的发展，地理空间数据在互联网上得到了广泛的传播和共享利用。如何精确发现用户需要的地理空间数据，并把相关的地理空间数据智能推荐给用户，是当前和未来地理信息共享急迫需要解决的问题。

　　网络环境下地理空间数据精确发现和智能推荐的关键在于地理空间数据的语义关联。由于缺乏语义的关联，现有的地理空间数据服务相互独立或者仅通过关键词匹配进行弱关联，直接导致查不全、查不准的问题，更不能提供自动的启发式服务，严重阻碍了地理空间数据的高效共享。

　　关联数据（Linked Data）被认为是语义网的一种实现，它通过明确的语义表达，使得不同领域、来源和结构的数据可以相互链接，从而促进数据的查找、集成与利用，为构建一个富含语义、人机都可理解的、互连互通的全球数据网络奠定基础。

　　中国科学院地理科学与资源研究所研究员诸云强团队利用关联数据方法，从数据发现与自动推荐的角度，系统开展了地理空间数据关联指标体系、多维精准关联关系、数据关联度计算模型的研究，并分别应用到地理空间模型输入数据自动推荐和网络共享地理空间元数据关联中。

　　研究发现关联数据是解决语义异构、实现精准数据发现和主动推荐的有效方法，对于促进跨类型、跨部门的科技信息资源共享具有重要的意义。

　　研究结果分别发表在《国际地理信息科学杂志》（International Journal of Geographical Information Science）和《国际数字地球杂志》（International Journal of Digital Earth）中。

　　上述研究得到国家自然科学基金面上项目、科技基础性工作专项重点项目、国家留学基金项目等的资助。

    论文信息：

　　1.Yunqiang Zhu, A-Xing Zhu, Min Feng, Jia Song（通讯作者）, Hongwei Zhao, Jie Yang, Qiuyi Zhang, Kai Sun, Jinqu Zhang & Ling Yao. 2017. A similarity-based automatic data recommendation approach for geographic models. International Journal of Geographical Information Science.

　　2.Yunqiang Zhu, A-Xing Zhu, Jia Song（通讯作者）, Jie Yang, Min Feng, Kai Sun, Jingqu Zhang, Zhiwei Hou & Hongwei Zhao. 2017. Multidimensional and quantitative interlinking approach for Linked Geospatial Data. International Journal of Digital Earth. 

    论文链接：1 2