基于时态知识图谱的车站客流组织模型

[目的]城市轨道交通车站存在客流压力逐渐增大、智能化手段不足等问题。为提升车站的客流组织效率和智能化水平,需采用更先进的信息化方法和手段。[方法]阐述了TKG(时态知识图谱)的发展情况及特征。引入车站客流的时态信息,构建了基于TKG的车站客流组织模型。将该模型应用于北京地铁2号线某车站的客流组织中,建立了该站的TKG模型,通过ArangoDB数据库软件进行图形化展示,以研究站内客流组织的动态演化过程。[结果及结论]该模型可为车站客流组织提前预判、快速响应、有效实施、智能预警等提供信息化手段及技术支撑。

时态知识图谱的推理研究综述

随着社交网络、物端感知等技术快速发展,网络空间中涌现了大量的交互、话题、事件、新闻等数据,蕴含大量动态演化、强时效性的知识.较于忽略知识中时间信息的传统知识图谱,时态知识图谱通过建模知识的时效性以描述动态变化的现实世界,为时间紧耦合的应用提供有效支持.然而,时态知识图谱无法确保涵盖全量知识,知识的缺失严重影响应用性能,需要推理模型自动挖掘新的知识,以解释事物的历史状态,预测未来发展趋势并描述演化规律.由于实际应用的迫切需要,近年来,时态知识图谱的推理研究工作层出不穷,逐渐引起学术界和工业界的广泛关注.本文对近年来时态知识图谱的推理工作进行全面介绍和总结.首先,介绍了时态知识图谱的推理相关概念与问题描述;其次,介绍了面向补全任务的推理模型与面向预测任务的推理模型,对其进行比较分析;之后总结了时态知识图谱推理的数据集、推理任务、相关指标以及应用场景;最后展望时态知识图谱推理的未来研究趋势.综上,本文致力于为时态知识图谱的推理领域研究人员提供具有价值的参考,以推动该领域进一步发展.

基于时态知识模型的网络入侵检测方法研究

在分析国内外现有入侵检测技术和系统的基础上 ,提出了一种基于时态知识模型和可变滑动窗口的实时模式提取算法 ,并在此基础上 ,实现了基于规则的、层次化的智能入侵检测原型系统 (RIDES) .实验结果表明 :该系统不仅能快速检测网络入侵 ,而且具有一定的学习能力 ,能够适应不同的网络应用环境 .

时态知识/数据模型研究及应用

时间是信息的重要属性,不仅数据有时态性,而且知识也有时态性。时态信息在信息系统中扮演着日益重要的角色,在某些系统中还起着关键性作用。将时态应用分为完全时态应用、嵌入式时态应用和混合型时态应用3种模式,提出一种时态信息模型,重点讨论时态数据模型和时态知识表达模式,介绍典型时态信息系统"工资智能决策支持系统"中的知识 数据处理模型。

应急系统中不确定时态知识表示及其推理

在分析现有不确定信息表示模型基础上,提出了一种可扩展的时态知识表示模型,该模型对真实事件的间断性表示加以改进,进而讨论了应急决策知识库的构建方法和相应推理机制。实验数据表明,在原型系统中使用改进后的表示模型和推理方法,能够提高应急系统处理效率和决策方案的合理性。

类型增强的时态知识图谱表示学习模型

知识图谱表示学习旨在将知识图谱中的元素(实体和关系)表示在低维的连续向量空间中,可以有效地实现知识图谱补全并提高计算效率,是贯穿知识图谱构建和应用全过程的重要问题.现有的知识图谱表示学习模型大多基于静态的结构化三元组,忽略了知识的时间动态性和实体的类型特征,限制了它们在知识图谱补全和语义计算中的表现.针对这一问题,提出一种类型增强的时态知识图谱表示学习模型(type-enhanced temporal knowledge graph representation learning model,T-Temp),基于经典的张量分解技术,将不同形式的时间信息显式融合到知识图谱表示学习过程中.同时,利用实体与关系间的类型兼容性,充分挖掘隐含在实体中的类型特征,进一步提升表示学习的准确性.此外,证明T-Temp模型具有完全表达性,且与同类模型相比,具有较低的时空复杂度.在多个真实的时态知识图谱上进行的详细实验说明了T-Temp模型的有效性和先进性.

基于间断区间的时态知识表示

一般，用逻辑形式表示时态信息的方法是命题附加一个时间点或时间区间。文［１］指出，时间区间表示单个事件带间断区间是困难的，不过，文［１］定义两个间断区间的时态关系为一个矩阵，其计算量相当之大以至该方法不实用二本文给出一个基于间断区间的时态知识表示模型，它将两个间断区间的时态关系分为２０种，其计算量与Ａｌｌｅｎ的区间演算属同一数量级。

应急决策中基于时态知识的不确定性推理

针对应急事件中大量的时态不确定性信息,在引入传统区间代数方法的基础上,采用对区间时间断点模糊化处理并设定其取值范围的方法,实现了应急领域不确定时态知识的表达.通过时间区间集合、时态关系集合以及概率指派函数合成后的更新,给出了时态推理下证据合成的解决方案.结合应用算例进行分析,验证了该方案的有效性.

时态知识图谱补全的方法及其进展

时态知识图谱是将时间信息添加到传统的知识图谱而得到的。近年来,时态知识图谱补全受到了学术界的高度关注,并成为研究热点之一。总结了目前时态知识图谱补全的两大类方法,即基于符号逻辑的方法和基于知识表示学习的方法,比较分析了两类方法的优缺点,展望了未来时态补全方法的发展方向,还总结了7个用于时态知识图谱补全的基准数据集和若干代表性模型在基准数据集上的评测结果。

时态信息处理技术研究综述

时间是信息的重要属性。随着数据库与信息技术的深入和发展 ,时态信息在信息系统扮演着日益重要的角色。将时态信息研究的起源与发展分成 3个时期 ,简述各个时期研究情况和代表性成果。还分析了国内外时态信息有关研究文献 ,介绍了几种代表性时态数据模型 ,对时态信息技术研究现状与存在的不足 ,以及未来的发展都给出了作者的见解。

不确定时态信息表示的统一模型

时态信息表示和推理是人工智能研究中的一个重要课题,现有的模型大多只能表示确定时态信息,然而现实生活中很多事件的发生结束等时态信息都是不确定的。故提出了一个表示不确定时态信息的统一模型,可用于描述各种具有确定或不确定时态信息的事件。该模型首先定义各类时态对象(如时间点、时间区间)以及它们之间的关系,并给出时态对象间的传递关系表,利用该表能进行时态一致性约束满足问题的求解。最后,给出了两个不确定时态推理的例子,表明了该模型的实际应用意义。

基于模糊集的不确定时间的表示及时态关系

研究不确定时间具有广泛的应用。不确定时间常常表现出模糊性,该文用模糊集的方法研究不确定时间点、不确定时间区间的表示方法及其时态关系。

时态因果诊断模型TCDM及其应用(I)——模型、分解、合成

通过将时态信息引入因果模型而构成时态因果诊断模型ＴＣＤＭ（ＴｅｍｐｏｒａｌＣａｕｓｅＤｉａｇｎｏｓｔｉｃＭｏｄｅｌ）。与此同时，给出了不确定性、子骨架以及关于ＴＣＤＭ的故障因果演变过程的概念，并通过对ＴＣＤＭ拓扑结构的分析提出了“分解－合成”原理。基于上述原理，提出了关于ＴＣＤＭ的“分解－合成”算子以及分解ＴＣＤＭ的策略。利用“分解－合成”算子可有效地分解或合成ＴＣＤＭ“子骨架”。而分解策略可将ＴＣＤＭ分解成若干相互关联的子模型，这些子模型有较好的结构。便于故障分离及分布式处理。还详细说明了因果模型分解、诊断问题求解、各子骨架部分解的合成等方法。

基于间断区间的时态关系处理

定义了基于间断区间的时态逻辑的公理、分离规则、证明等概念 .特别 ,讨论了区间分离后的时态关系确定问题以及公理的完备性 .

时态因果诊断模型TCDM及其应用(Ⅲ)——时态信息传播特征的分析

给出了时态信息传播的若干性质。利用这些性质可使时态信息传播过程的一些计算得以化简。提出了时态传播的“集成”法，并证明了它与单点法的等效性。利用聚合法，可使子骨架相互作用时的时态信息传播过程更加简单。基于技术系统实时故障诊断的实际情况，给出了固有时间区间，生存最大周期等概念。利用这些概念引入了固有时间区间的关系类型，以及几种典型类型情况下用于时态一致性判断的一些启发式方法。

基于概率的不确定时态信息的表示模型

时态信息表示和推理是时态数据库的研究重点之一,现实生活中很多时态信息是不确定的,现有的时态数据库模型在处理不确定时态信息方面仍存在较大困难.本文提出一种用概率的方法表示不确定时态信息的模型,用于描述各种具有确定或不确定时态信息的事件,定义了各类时态对象(如时间点、时间区间)以及它们之间的关系,并给出了不确定时态推理的例子.

一种基于实体时间敏感度的知识表示方法

在知识图谱(KnowledgeGraph)中,知识表示方法旨在通过一种低维稠密的向量表示方法来高效地挖掘不同实体、关系之间复杂语义关系,在知识问答、信息检索等领域有着重要意义。然而,现有的绝大多数的知识表示方法忽略了时间因素,无法表示应用中随时间变化的动态知识。针对该问题,本文提出一种基于实体时间敏感度的知识表示方法。该方法将时间信息以不同程度融入不同类型的实体向量表示中,然后进行实体和关系之间语义挖掘。实验结果表明,这种基于实体时间敏感度的表示方法能够明显提高知识图谱的时态知识补全和预测任务性能。

基于关系数据库的时态RDF建模

随着时态数据的不断增加,时态知识图谱的概念得到了普及,如何高效地表示时态知识图谱已成为一个重要的研究方向。RDF(Resource Description Framework)虽然在传统知识图谱建模中被广泛运用,但其只能表示静态语义,缺乏表示时态知识图谱的能力,因此已有几种针对时态知识图谱的时态RDF模型被提出。但这些模型都只是将时态信息简单地附加在谓语或整个三元组上,缺少对时态信息所属对象的准确定位。为了更好地表示时态知识图谱,文中提出了一个新的时态RDF表示模型-tRDF。该模型首先根据宾语的不同类型,选择性地将时态信息附加在宾语或谓语上;其次,结合时态数据库的概念,给出了一种基于关系数据库PostgreSQL的tRDF数据存储方法;最后,从数据存储的时间和空间两个方面对所提出的tRDF数据存储方法进行了验证。实验结果表明,所提方案能有效地表示时态知识图谱。

初中英语时态教学需入情入境

英语时态是初中阶段学生必须学习的内容。这一部分内容相对抽象、复杂,学生学习起来有难度。传统教学实践中,教师对时态的学习以讲授为主。单纯的讲授学生很难完全理解时态内涵,无法把握其本质。因此,在具体操作时,教师要从情境创设这个方面展开考虑,给学生提供感知平台,促使学生积极主动探索时态相关知识。

具有时序特征的相继故障演变模型

连锁故障是具有时序特征的系统故障,在连锁故障的相继故障阶段,保护装置相继动作跳闸。由于保护从启动到跳闸需经历一段时间,可用具有始点和终点的时间区间表示,因此保护相继动作的时序关系可以表示为不同时间区间之间的时序关系。该文基于时态知识表示理论,通过Allen区间代数方法,研究了相继故障的时序问题。在考虑保护动作模型时间属性的基础上,提出了基于时序推理的故障路径搜索策略,构造了具有时序特征的相继故障演变模型。算例分析显示,相继故障演变模型具有双时态的特点。