Vad är det du ska jobba med?
– Rumslig data utgör en stor del av dagens big data-landskap. Denna data är en hörnsten för digitala framställningar av stads- och landsbygdsmiljöer och kan fungera som en knutpunkt för annan typ av information. Projektet syftar till att studera metoder för integration av olika rumsliga data, i syfte att hitta diverse typer av samband.

Varför är det intressant?
– Detta projekt knyter samman flera snabbt växande forskningsområden, d.v.s., geografisk informationsvetenskap, kunskapsgrafer och artificiell intelligens. Till skillnad från tidigare regelbaserade tillvägagångssätt, som ibland visat sig vara ineffektiva eller opraktiska, kommer detta projekt att utnyttja tekniker för maskininlärning. Det ger mig hopp om att kunna överskrida de begränsningarna vi sett i regelbaserade tillvägagångssätt.

Varför Singapore?
– NTU i Singapore är starkt inom vissa nya tekniker som exempelvis maskininlärning. Min handledare vid NTU kommer att vara professor Gao Cong vid School of Computer Science and Engineering - en erfaren forskare som ägnar sig åt att studera geospatial information. Vi tror att denna miljö kommer att vara idealisk som inkubator för min forskningskarriär, och hoppas att detta kan främja meningsfulla samarbeten mellan mellan geospatial informationsforskning vid INES och datavetenskaplig forskning vid NTU.

Weiming Huangs postdoc-projekt har rubriken ”Towards a knowledge graph for locations: geospatial data integration with knowledge representation learning”. Efter två år vid Nanyang Technological University (NTU) i Singapore kommer projektet att fortsätta vid institutionen för naturgeografi och ekosystemvetenskap (INES) vid Lunds universitet.