Les éléments géographiques comprennent généralement des objets naturels et humains. Le flux croissant de données de télédétection et de données de médias sociaux offre des sources de données riches pour la classification de ces deux types d'objets. L'extraction d'éléments naturels principalement basée sur la classification d'images satellitaires et l'extraction d'éléments humains basée sur le texte en ligne et les médias sociaux sont les deux principaux courants de la classification des éléments géographiques actuels. Le premier est soutenu par la technologie du traitement d'image, tandis que le second est basé sur la technologie du traitement du langage naturel. Avec l'intervention de méthodes d'intelligence artificielle telles que l'apprentissage automatique, les deux courants de classification des éléments présentent de plus en plus de caractéristiques communes. Cet article, en utilisant l'évolution des méthodes d'apprentissage automatique comme vecteur, analyse les différences et similitudes dans la classification des éléments géographiques sur la base des énormes données de télédétection et de la classification des éléments humains et sociaux sur la base des textes en ligne. À partir d'exemples de classification d'objets uniques et composites sur la base des énormes données de télédétection, ainsi que de la classification des sujets de conversations sur microblogs, il est indiqué que les méthodes de classification présentent des similitudes en termes de méthodes d'apprentissage automatique. L'emprunt mutuel de méthodes de classification de données massives de télédétection et de textes en ligne peut favoriser l'application de la classification intelligente des éléments géographiques naturels et humains.

Classification des éléments géographiques; éléments géographiques naturels; éléments géographiques humains; apprentissage automatique; classification par télédétection; classification de textes en ligne; traitement du langage naturel