隨著全球網際路的快速發展，使用者可以輕易在上尋找及分 隨著全球網際路的快速發展，使用者可以輕易在上尋找及分 隨著全球網際路的快速發展，使用者可以輕易在上尋找及分 隨著全球網際路的快速發展，使用者可以輕易在上尋找及分 隨著全球網際路的快速發展，使用者可以輕易在上尋找及分 隨著全球網際路的快速發展，使用者可以輕易在上尋找及分 隨著全球網際路的快速發展，使用者可以輕易在上尋找及分 隨著全球網際路的快速發展，使用者可以輕易在上尋找及分 隨著全球網際路的快速發展，使用者可以輕易在上尋找及分 隨著全球網際路的快速發展，使用者可以輕易在上尋找及分 隨著全球網際路的快速發展，使用者可以輕易在上尋找及分 隨著全球網際路的快速發展，使用者可以輕易在上尋找及分 隨著全球網際路的快速發展，使用者可以輕易在上尋找及分 享地理網路 服務與資料。這些及的集合即為享地理網路 服務與資料。這些及的集合即為享地理網路 服務與資料。這些及的集合即為享地理網路 服務與資料。這些及的集合即為享地理網路 服務與資料。這些及的集合即為享地理網路 服務與資料。這些及的集合即為享地理網路 服務與資料。這些及的集合即為享地理網路 服務與資料。這些及的集合即為享地理網路 服務與資料。這些及的集合即為享地理網路 服務與資料。這些及的集合即為享地理網路 服務與資料。這些及的集合即為享地理網路 服務與資料。這些及的集合即為享地理網路 服務與資料。這些及的集合即為享地理網路 服務與資料。這些及的集合即為享地理網路 服務與資料。這些及的集合即為享地理網路 服務與資料。這些及的集合即為享地理網路 服務與資料。這些及的集合即為享地理網路 服務與資料。這些及的集合即為享地理網路 服務與資料。這些及的集合即為享地理網路 服務與資料。這些及的集合即為享地理網路 服務與資料。這些及的集合即為享地理網路 服務與資料。這些及的集合即為享地理網路 服務與資料。這些及的集合即為享地理網路 服務與資料。這些及的集合即為享地理網路 服務與資料。這些及的集合即為享地理網路 服務與資料。這些及的集合即為享地理網路 服務與資料。這些及的集合即為享地理網路 服務與資料。這些及的集合即為享地理網路 服務與資料。這些及的集合即為(GeoWeb)。然而隨著愈來多的資源被散佈 。然而隨著愈來多的資源被散佈 。然而隨著愈來多的資源被散佈 。然而隨著愈來多的資源被散佈 。然而隨著愈來多的資源被散佈 。然而隨著愈來多的資源被散佈 於網路上時，使用者將難 於網路上時，使用者將難 於網路上時，使用者將難 於網路上時，使用者將難 於網路上時，使用者將難 於網路上時，使用者將難 以從巨量地理網路資料搜尋到需要的源。雖然目前有入口 以從巨量地理網路資料搜尋到需要的源。雖然目前有入口 以從巨量地理網路資料搜尋到需要的源。雖然目前有入口 以從巨量地理網路資料搜尋到需要的源。雖然目前有入口 以從巨量地理網路資料搜尋到需要的源。雖然目前有入口 以從巨量地理網路資料搜尋到需要的源。雖然目前有入口 以從巨量地理網路資料搜尋到需要的源。雖然目前有入口 以從巨量地理網路資料搜尋到需要的源。雖然目前有入口 以從巨量地理網路資料搜尋到需要的源。雖然目前有入口 以從巨量地理網路資料搜尋到需要的源。雖然目前有入口 以從巨量地理網路資料搜尋到需要的源。雖然目前有入口 以從巨量地理網路資料搜尋到需要的源。雖然目前有入口 以從巨量地理網路資料搜尋到需要的源。雖然目前有入口 網站及空間資料基礎建設供使用者查詢註冊於此些平台之地理源。 網站及空間資料基礎建設供使用者查詢註冊於此些平台之地理源。 網站及空間資料基礎建設供使用者查詢註冊於此些平台之地理源。 網站及空間資料基礎建設供使用者查詢註冊於此些平台之地理源。 網站及空間資料基礎建設供使用者查詢註冊於此些平台之地理源。 網站及空間資料基礎建設供使用者查詢註冊於此些平台之地理源。 網站及空間資料基礎建設供使用者查詢註冊於此些平台之地理源。 網站及空間資料基礎建設供使用者查詢註冊於此些平台之地理源。 網站及空間資料基礎建設供使用者查詢註冊於此些平台之地理源。 網站及空間資料基礎建設供使用者查詢註冊於此些平台之地理源。 網站及空間資料基礎建設供使用者查詢註冊於此些平台之地理源。 網站及空間資料基礎建設供使用者查詢註冊於此些平台之地理源。 但除了沒有一個平台索引所地理網路資源 但除了沒有一個平台索引所地理網路資源 但除了沒有一個平台索引所地理網路資源 但除了沒有一個平台索引所地理網路資源 但除了沒有一個平台索引所地理網路資源 但除了沒有一個平台索引所地理網路資源 但除了沒有一個平台索引所地理網路資源 ，使用者也難以得知所有 ，使用者也難以得知所有 ，使用者也難以得知所有 ，使用者也難以得知所有 ，使用者也難以得知所有 ，使用者也難以得知所有 的平台。為從根本解決地理資源搜尋問題，網路之引擎實 的平台。為從根本解決地理資源搜尋問題，網路之引擎實 的平台。為從根本解決地理資源搜尋問題，網路之引擎實 的平台。為從根本解決地理資源搜尋問題，網路之引擎實 的平台。為從根本解決地理資源搜尋問題，網路之引擎實 的平台。為從根本解決地理資源搜尋問題，網路之引擎實 的平台。為從根本解決地理資源搜尋問題，網路之引擎實 的平台。為從根本解決地理資源搜尋問題，網路之引擎實 的平台。為從根本解決地理資源搜尋問題，網路之引擎實 的平台。為從根本解決地理資源搜尋問題，網路之引擎實 的平台。為從根本解決地理資源搜尋問題，網路之引擎實 的平台。為從根本解決地理資源搜尋問題，網路之引擎實 的平台。為從根本解決地理資源搜尋問題，網路之引擎實 為必須。在先前的 研究中，我們提出了可以辨認數種地理網路資源為必須。在先前的 研究中，我們提出了可以辨認數種地理網路資源為必須。在先前的 研究中，我們提出了可以辨認數種地理網路資源為必須。在先前的 研究中，我們提出了可以辨認數種地理網路資源為必須。在先前的 研究中，我們提出了可以辨認數種地理網路資源為必須。在先前的 研究中，我們提出了可以辨認數種地理網路資源為必須。在先前的 研究中，我們提出了可以辨認數種地理網路資源為必須。在先前的 研究中，我們提出了可以辨認數種地理網路資源為必須。在先前的 研究中，我們提出了可以辨認數種地理網路資源為必須。在先前的 研究中，我們提出了可以辨認數種地理網路資源為必須。在先前的 研究中，我們提出了可以辨認數種地理網路資源為必須。在先前的 研究中，我們提出了可以辨認數種地理網路資源為必須。在先前的 研究中，我們提出了可以辨認數種地理網路資源地理網路爬蟲。然而為了讓使用者能更有效率的搜尋資源， 地理網路爬蟲。然而為了讓使用者能更有效率的搜尋資源， 地理網路爬蟲。然而為了讓使用者能更有效率的搜尋資源， 地理網路爬蟲。然而為了讓使用者能更有效率的搜尋資源， 地理網路爬蟲。然而為了讓使用者能更有效率的搜尋資源， 地理網路爬蟲。然而為了讓使用者能更有效率的搜尋資源， 地理網路爬蟲。然而為了讓使用者能更有效率的搜尋資源， 地理網路爬蟲。然而為了讓使用者能更有效率的搜尋資源， 地理網路爬蟲。然而為了讓使用者能更有效率的搜尋資源， 地理網路爬蟲。然而為了讓使用者能更有效率的搜尋資源， 地理網路爬蟲。然而為了讓使用者能更有效率的搜尋資源， 地理網路爬蟲。然而為了讓使用者能更有效率的搜尋資源， 地理網路爬蟲。然而為了讓使用者能更有效率的搜尋資源， 地理網路搜尋引擎需要可以依照使用者求排序目標資源的機制。 地理網路搜尋引擎需要可以依照使用者求排序目標資源的機制。 地理網路搜尋引擎需要可以依照使用者求排序目標資源的機制。 地理網路搜尋引擎需要可以依照使用者求排序目標資源的機制。 地理網路搜尋引擎需要可以依照使用者求排序目標資源的機制。 地理網路搜尋引擎需要可以依照使用者求排序目標資源的機制。 地理網路搜尋引擎需要可以依照使用者求排序目標資源的機制。 地理網路搜尋引擎需要可以依照使用者求排序目標資源的機制。 地理網路搜尋引擎需要可以依照使用者求排序目標資源的機制。 地理網路搜尋引擎需要可以依照使用者求排序目標資源的機制。 地理網路搜尋引擎需要可以依照使用者求排序目標資源的機制。 更 仔細地說，我們提出 仔細地說，我們提出 仔細地說，我們提出 仔細地說，我們提出 一個稱作 一個稱作 GeoRank的排序演算法，其包含 排序演算法，其包含 排序演算法，其包含 兩個 模組，分別是析者以及排序。可從地理 模組，分別是析者以及排序。可從地理 模組，分別是析者以及排序。可從地理 模組，分別是析者以及排序。可從地理 模組，分別是析者以及排序。可從地理 模組，分別是析者以及排序。可從地理 模組，分別是析者以及排序。可從地理 模組，分別是析者以及排序。可從地理 模組，分別是析者以及排序。可從地理 模組，分別是析者以及排序。可從地理 網路 資源中萃取 資源中萃取 排序因子讓者來使用。我們將這些分為 四類，別排序因子讓者來使用。我們將這些分為 四類，別排序因子讓者來使用。我們將這些分為 四類，別排序因子讓者來使用。我們將這些分為 四類，別排序因子讓者來使用。我們將這些分為 四類，別排序因子讓者來使用。我們將這些分為 四類，別排序因子讓者來使用。我們將這些分為 四類，別排序因子讓者來使用。我們將這些分為 四類，別排序因子讓者來使用。我們將這些分為 四類，別排序因子讓者來使用。我們將這些分為 四類，別排序因子讓者來使用。我們將這些分為 四類，別排序因子讓者來使用。我們將這些分為 四類，別(1) 一般屬性， 一般屬性， (2) 服務品質， 服務品質， 服務品質， (3) 重要度以及 重要度以及 (4) 相關性。一般屬主要 相關性。一般屬主要 相關性。一般屬主要 相關性。一般屬主要 用於選擇與使者需求相關的資源，例如主題 用於選擇與使者需求相關的資源，例如主題 用於選擇與使者需求相關的資源，例如主題 用於選擇與使者需求相關的資源，例如主題 用於選擇與使者需求相關的資源，例如主題 用於選擇與使者需求相關的資源，例如主題 用於選擇與使者需求相關的資源，例如主題 、摘要關鍵字 、摘要關鍵字 、摘要關鍵字 、摘要關鍵字 、摘要關鍵字 。服務 。服務 品質定義了不同的服務表現 品質定義了不同的服務表現 品質定義了不同的服務表現 品質定義了不同的服務表現 ，例 如在線率、載入速度。 如在線率、載入速度。 如在線率、載入速度。 如在線率、載入速度。 如在線率、載入速度。 如在線率、載入速度。 再來，重要度 再來，重要度 再來，重要度 為該資源於不同考量因素下的重要程度。最後，相關性滿足 為該資源於不同考量因素下的重要程度。最後，相關性滿足 為該資源於不同考量因素下的重要程度。最後，相關性滿足 為該資源於不同考量因素下的重要程度。最後，相關性滿足 為該資源於不同考量因素下的重要程度。最後，相關性滿足 為該資源於不同考量因素下的重要程度。最後，相關性滿足 為該資源於不同考量因素下的重要程度。最後，相關性滿足 為該資源於不同考量因素下的重要程度。最後，相關性滿足 為該資源於不同考量因素下的重要程度。最後，相關性滿足 為該資源於不同考量因素下的重要程度。最後，相關性滿足 為該資源於不同考量因素下的重要程度。最後，相關性滿足 為該資源於不同考量因素下的重要程度。最後，相關性滿足 為該資源於不同考量因素下的重要程度。最後，相關性滿足 為該資源於不同考量因素下的重要程度。最後，相關性滿足 使用者查詢 使用者查詢 的程度 的程度 。此外，地理網路資源 此外，地理網路資源 此外，地理網路資源 此外，地理網路資源 此外，地理網路資源 此外，地理網路資源 此外，地理網路資源 獨特之處為其 獨特之處為其 具備了空間屬 具備了空間屬 具備了空間屬 性以及時間屬性 以及時間屬性 ，如何 利用這 些特性進行排序 特性進行排序 特性進行排序 為地理網路搜尋引擎獨 為地理網路搜尋引擎獨 為地理網路搜尋引擎獨 為地理網路搜尋引擎獨 為地理網路搜尋引擎獨 特的挑戰 。一直以來， 拓樸關係利用布林值衡量空間屬性然而。一直以來， 拓樸關係利用布林值衡量空間屬性然而。一直以來， 拓樸關係利用布林值衡量空間屬性然而。一直以來， 拓樸關係利用布林值衡量空間屬性然而。一直以來， 拓樸關係利用布林值衡量空間屬性然而。一直以來， 拓樸關係利用布林值衡量空間屬性然而。一直以來， 拓樸關係利用布林值衡量空間屬性然而。一直以來， 拓樸關係利用布林值衡量空間屬性然而。一直以來， 拓樸關係利用布林值衡量空間屬性然而。一直以來， 拓樸關係利用布林值衡量空間屬性然而。一直以來， 拓樸關係利用布林值衡量空間屬性然而。一直以來， 拓樸關係利用布林值衡量空間屬性然而。一直以來， 拓樸關係利用布林值衡量空間屬性然而。一直以來， 拓樸關係利用布林值衡量空間屬性然而。一直以來， 拓樸關係利用布林值衡量空間屬性然而當欲利用拓樸關係並根據使者的搜尋進行排序，我們必須轉換布林 利用拓樸關係並根據使者的搜尋進行排序，我們必須轉換布林 利用拓樸關係並根據使者的搜尋進行排序，我們必須轉換布林 利用拓樸關係並根據使者的搜尋進行排序，我們必須轉換布林 利用拓樸關係並根據使者的搜尋進行排序，我們必須轉換布林 利用拓樸關係並根據使者的搜尋進行排序，我們必須轉換布林 利用拓樸關係並根據使者的搜尋進行排序，我們必須轉換布林 利用拓樸關係並根據使者的搜尋進行排序，我們必須轉換布林 利用拓樸關係並根據使者的搜尋進行排序，我們必須轉換布林 利用拓樸關係並根據使者的搜尋進行排序，我們必須轉換布林 利用拓樸關係並根據使者的搜尋進行排序，我們必須轉換布林 利用拓樸關係並根據使者的搜尋進行排序，我們必須轉換布林 利用拓樸關係並根據使者的搜尋進行排序，我們必須轉換布林
ii
值為 拓樸關係之 拓樸關係之 滿足程度。 滿足程度。 滿足程度。 此研究 此研究 利用地理 利用地理 利用地理 網路 資料的位置以及形狀 資料的位置以及形狀 資料的位置以及形狀 資料的位置以及形狀 資訊來衡量各個源符合一項特定拓樸關係 資訊來衡量各個源符合一項特定拓樸關係 資訊來衡量各個源符合一項特定拓樸關係 資訊來衡量各個源符合一項特定拓樸關係 資訊來衡量各個源符合一項特定拓樸關係 資訊來衡量各個源符合一項特定拓樸關係 資訊來衡量各個源符合一項特定拓樸關係 的程度，此 的程度，此 的程度，此 的程度，此 程序主要根據 程序主要根據 程序主要根據 「最小花費 最小花費 」的概念 的概念 進行 設計。 設計。 設計。 為了驗證 為了驗證 所提出的方法， 提出的方法， 提出的方法， 提出的方法， 本研究 使用 問卷調查之方式 問卷調查之方式 。由計算受測者排序與本研究 。由計算受測者排序與本研究 。由計算受測者排序與本研究 。由計算受測者排序與本研究 。由計算受測者排序與本研究 。由計算受測者排序與本研究 方法 排序之間的斯皮爾 排序之間的斯皮爾 排序之間的斯皮爾 排序之間的斯皮爾 曼排名相關係數，探討本研究是否能滿足大部分人們對序的需求。 曼排名相關係數，探討本研究是否能滿足大部分人們對序的需求。 曼排名相關係數，探討本研究是否能滿足大部分人們對序的需求。 曼排名相關係數，探討本研究是否能滿足大部分人們對序的需求。 曼排名相關係數，探討本研究是否能滿足大部分人們對序的需求。 曼排名相關係數，探討本研究是否能滿足大部分人們對序的需求。 曼排名相關係數，探討本研究是否能滿足大部分人們對序的需求。 曼排名相關係數，探討本研究是否能滿足大部分人們對序的需求。 曼排名相關係數，探討本研究是否能滿足大部分人們對序的需求。 曼排名相關係數，探討本研究是否能滿足大部分人們對序的需求。 曼排名相關係數，探討本研究是否能滿足大部分人們對序的需求。 曼排名相關係數，探討本研究是否能滿足大部分人們對序的需求。 所設計的 問卷分為兩 問卷分為兩 問卷分為兩 類，第一 ，第一 類針對拓樸關係排序， 針對拓樸關係排序， 針對拓樸關係排序， 針對拓樸關係排序， 設計 八種拓樸關 八種拓樸關 係不同 情境 的問卷， 的問卷， 的問卷， 共收集了 收集了 20 份問卷 ，其 平均 斯皮爾曼排名相關 斯皮爾曼排名相關 斯皮爾曼排名相關 斯皮爾曼排名相關 係數為 0.8710.8710.8710.8710.871。第二 。第二 類針對整體 GeoRank之排序，在問卷 之排序，在問卷 之排序，在問卷 內提供必要 提供必要 的排序資訊， 的排序資訊， 的排序資訊， 讓受測者 受測者 以各自的想法進行排序 各自的想法進行排序 各自的想法進行排序 各自的想法進行排序 ，此類問卷 收集 數量為 數量為 10 份，並包含兩個案例 。第一並包含兩個案例 。第一並包含兩個案例 。第一並包含兩個案例 。第一並包含兩個案例 。第一並包含兩個案例 。第一隨機選取問卷資料，其 隨機選取問卷資料，其 隨機選取問卷資料，其 隨機選取問卷資料，其 隨機選取問卷資料，其 平均 斯皮 爾曼排名相關係數為 爾曼排名相關係數為 爾曼排名相關係數為 爾曼排名相關係數為 0. 709709709，第二個案例 ，第二個案例 ，第二個案例 ，第二個案例 以人工挑選問卷資料，其 以人工挑選問卷資料，其 以人工挑選問卷資料，其 以人工挑選問卷資料，其 以人工挑選問卷資料，其 以人工挑選問卷資料，其 平 均斯皮爾曼相關係數為 均斯皮爾曼相關係數為 均斯皮爾曼相關係數為 均斯皮爾曼相關係數為 0. 806 。基於 驗證成果得知，本研究所 驗證成果得知，本研究所 驗證成果得知，本研究所 驗證成果得知，本研究所 驗證成果得知，本研究所 驗證成果得知，本研究所 提方法 提方法 內，不論是 拓樸關係 拓樸關係 排序或是地理資源皆 排序或是地理資源皆 排序或是地理資源皆 排序或是地理資源皆 可符合人對於 符合人對於 符合人對於 該資源排 該資源排 序的預期，進而作為 序的預期，進而作為 序的預期，進而作為 序的預期，進而作為 地理網路搜尋引擎排序 地理網路搜尋引擎排序 地理網路搜尋引擎排序 地理網路搜尋引擎排序 機制的基礎 機制的基礎 機制的基礎 。

With the advance of World-Wide Web (WWW) technology, the volume of public-available geospatial resources on the web is rapidly increasing. The collection of geospatial resources was defined as the geospatial web (i.e., GeoWeb). With the growing number of GeoWeb resources, individuals face difficulties in searching for resources of their interest. Currently, users are finding geospatial data via data portals and spatial data infrastructures (SDIs). However, previous studies have identified that these solutions cannot provide a complete set of GeoWeb resources to users. To solve this problem, a GeoWeb search engine that can index all the GeoWeb resources is necessary. In a previous study, we have proposed the GeoWeb Crawler to discover several kinds of GeoWeb resources. However, for users to find their target resources efficiently, the GeoWeb search engine requires a ranking mechanism that can rank the candidate resources based on users’ need. Hence, this research focuses on the ranking mechanism of a GeoWeb search engine. To be specific, we propose a ranking algorithm called GeoRank which contains two main modules, i.e., Analyzer and Ranker. The Analyzer extracts information from GeoWeb resources as ranking factors, which are categorized into four categories, (1) general attributes, (2) quality of service, (3) importance and (4) relevance. The general attributes are mainly for selecting resources according to users’ needs, such as thematic attributes. The quality of service represents different performance metrics of services such as online rate, loading speed.
iv
Moreover, importance is resources’ significance considering various aspects. Finally, relevance is how much a resource matches users’ query. In addition, as spatial and temporal attributes are the unique attributes of GeoWeb resources, how to utilize these attributes in ranking algorithms is a unique challenge for a GeoWeb search engine. In the past, spatial attributes are evaluated for topological relationships as Boolean values. However, to rank resources according to topological relationships, we need to transform the Boolean values into degrees of satisfaction. In general, we utilize location and shape information of geometries to determine how much each a geometry satisfies a specific topological relationship. This procedure is designed based on the concept of the “minimum-effort modification”. To evaluate the proposed method, we use questionnaires and compare the similarity of ranking order between participants and the proposed methods by calculating the Spearman Rank Correlations. Based on the 20 questionnaires collected, the average Spearman Rank Correlation can reach 0.871 for the proposed topology ranking algorithms. For the overall GeoRank, the average Spearman Rank Correlation is 0.709 from 10 collected questionnaires. Therefore, we believe that the proposed ranking algorithms can satisfy people’s expectations when ranking based on topology and GeoWeb resources. Consequently, users can find their targeted GeoWeb resources efficiently from a GeoWeb search engine.

摘要.............................................i
Abstract.......................................iii
List of Tables..................................ix
List of Figures and Illustrations................x
List of Algorithms.............................xii
1. Introduction.............................1
1.1. GeoWeb Resources Discovery..................1
1.2 Topological Relationship.....................4
1.3 Research Objective...........................5
2. Related Work.............................7
2.1 Existing GeoWeb Search Engines...............7
2.2 Existing Ranking Algorithm...................7
2.3 Topological Relationship.....................9
2.4 Temporal Topological Relationship............9
3. Methodology.............................12
3.1 System Architecture.........................12
3.2 Query Module................................13
3.3 Analyzer....................................14
3.4 Ranking Factors.............................16
3.4.1 Attribute.................................17
3.4.2 Quality of Service (QoS)..................18
3.4.3 Importance................................20
3.4.4 Relevance.................................22
3.4.5 Normalization of Ranking Factors..........23
3.5 Spatial and Temporal Topology Ranking.......27
3.5.1 Topology Ranking Design...................28
3.5.1.1 Equals..................................29
3.5.1.2 Disjoint................................31
3.5.1.4 Touches.................................41
3.5.1.5 Overlaps................................45
3.5.1.6 Crosses.................................47
3.5.1.7 Within..................................50
3.5.1.8 Contains................................55
3.5.2 Temporal Topology Ranking.................60
3.5.2.1 Temporal Equals.........................61
3.5.2.2 Temporal Meets..........................63
3.5.2.3 Temporal Overlaps.......................64
3.5.2.4 Temporal During.........................66
3.5.2.5 Before..................................68
3.5.2.6 After...................................70
3.5.2.7 Starts..................................73
3.5.2.8 Finishes................................75
3.6 Ranker......................................77
4. Results and Discussion..................79
4.1 Evaluation of the Topology Ranking..........79
4.2 Evaluation of the GeoRank...................88
5. Conclusions and Future Work.............92
References......................................93
Appendix 1......................................96
Appendix 2.....................................115

1. Huang, C. Y.; Chang, H. GeoWeb Crawler: An Extensible and Scalable Web Crawling Framework for Discovering Geospatial Web Resources. ISPRS International Journal of Geo-Information 2016, 5(8), 136.
2. Lake, R.; Farley, J. Infrastructure for the geospatial web. In The Geospatial Web; Springer: London, UK, 2009, pp. 15–26.
3. Dean, B. Google’s 200 ranking factors: The complete list, 2015. Retrieved from http://backlinko.com/google-ranking-factors
4. Herring, J.R. OpenGIS® Implementation Standard for Geographic information— Simple Feature Access— Part 1: Common architecture (OGC 06-103r4). OpenGIS® Implementation Standard, 28 May 2011. Available online: http://www.opengeospatial.org/standards/sfa (accessed on 10 February 2017).
5. Li, W. Polarhub: A global hub for polar data discovery. In Proceedings of the AGU Fall Meeting Abstracts 2014, San Francisco, CA, USA, 3–7 December,.
6. Bone, C.; Ager, A.; Bunzel, K.; Tierney, L. A geospatial search engine for discovering multi-format geospatial data across the web. Int. J. Digital Earth 2014, 1-16 September.
7. Chen, N.; Liping Di B., G.Y.B.; Chen, Z. Geospatial Sensor Web Data Discovery and Retrieval Service Based on Middleware. 2008.
8. Mani, A.; Nagarajan A. Understanding quality of service for Web services. 2002. Retrieved from https://www.ibm.com/developerworks/library/ws-quality/index.html
9. Brin, S.; Page, L. The Anatomy of a Large-Scale Hypertextual Web Search Engine. 1998.
10. Page, L.; Brin, S.; Motwani, R.; Winograd, T. The PageRank Citation Ranking: Bring Order to the Web. Technical Report. Stanford Digital Library Technologies Project, 1999.
11. Kleinberg, J. M. Hubs, authorities, and communities. ACM computing surveys (CSUR) 1999, 31(4es), 5.
12. Lempel, R., Moran, S. SALSA: the stochastic approach for link-structure analysis. ACM Transactions on Information Systems (TOIS) 2001, 19(2), 131-160.
13. Massey, F. J.; Dixon, W.J. Introduction to Statistical Analysis, 4th edn. New York: McGraw-Hill, 1983, 428-39.
14. Colley, W. N. Colley’s bias free college football ranking method: The Colley matrix explained. Princeton University, Princeton, 2002.
15. Elo, A. The rating of chess players, past and present. Arco Pub. 1978.
16. Govan, A. Y.; Langville, A. N.; Meyer, C. D. Offense-defense approach to ranking sports team. Journal of Quantitative Analysis in Sports 2009, 5(1), 4.
17. Spearman, C. The proof and measurement of association between two things. The American journal of psychology 1904, 15.1: 72-101.
18. Kuhn, W. Introduction to Spatial Data Infrastructures. Presentation held on March 2005. Available online: https://collaboration.worldbank.org/docs/DOC-3031 (accessed on 1 August 2016).
19. Clementini, E.; Di Felice, P.; van Oosterom, P. A small set of formal topological relationships suitable for end-user interaction. In Proceedings of 3rd International Symposium SSD 1993, Singapore 23–25 June.
20. Bolour, A.; Anderson, T. L.; Dekeyser, L. J.; Wong, H. K. The role of time in information processing: a survey. ACM SIGART Bulletin, 1982, 80, 28-46.
21. Allen, J. F. Maintaining knowledge about temporal intervals. Communications of the ACM 1983, 26(11), 832-843.