基于多序列隐关系的时序事件预测

时序事件预测是指基于历史事件预测下一个事件,事件包括时间和类型两个属性。当前主要工作集中在单方面(事件时间或事件类型)的预测,但这无法回答“何时发生何事”这类更精细的问题。此类问题的挑战主要是事件类型非常多样,而行为往往高度稀疏,给预测带来极大困难;需要预测的事件时间和事件类型分属两个域,如何把这两个域的信息加以融合并形成互补也是一个挑战。针对上述挑战,从融合多序列隐信息的角度探索了一种解决方法。基于某些事件序列之间具有模式相似性这一观察,提出建模事件序列的隐关系图,利用邻居序列的信息解决行为稀疏性的问题;通过合理设计神经网络模块,将事件的时间域和类型域的信息映射到共同的抽象空间,解决事件时间和事件类型信息的融合建模问题。通过在多个真实数据集上进行了大量实验,实验结果印证了多序列深度时序模型优于现有的一系列基准模型。

面向知识图谱的信息抽取技术综述

互联网时代,数据呈爆发式的增长,怎样从这些数据中抽取出有用的信息,已是人工智能研究中的一个核心问题.知识图谱作为解决这一问题的重要方法,已成为人工智能技术发展的核心推动力.信息抽取是知识图谱构建过程中的首要环节,它实现了从海量的数据中抽取出结构化实体以及实体之间的关系.本文探讨知识图谱中信息抽取的发展趋势,对实体抽取、关系抽取和事件抽取及其关键技术进行了综述,分析和讨论了当前存在的问题、挑战以及未来发展的方向.

改进的动态图社区演化关系分析方法

传统基于相邻时间片分析所获得的社区演化关系无法完备地刻画动态图社区演化的整个过程。为此提出了一种改进的社区演化关系分析方法。首先,定义社区事件,并根据发生的社区事件来描述社区的演化状态;然后,对两个不相同时间片内的社区进行事件匹配,从而获得社区演化关系;最后,通过实验将所提方法与传统方法进行比较。实验结果表明,所提方法发现的社区事件总数是传统方法的2倍以上,可为动态图社区演化过程的描述提供更丰富的信息。

组合计算模型实现系统设计与仿真

在模块化的系统设计中,适合各个模块的最佳计算模型往往不尽相同,这些计算模型包括有穷状态自动机、Petri网、离散事件和事件关系图等。为了方便设计者和提高工作效率,有必要允许对模块采用不同的计算模型,再运用组合计算模型的理论将这些模块组合成完整的模型以用于仿真和系统的自动生成。作为应用实例,通过分层组合离散事件和事件关系图,可以设计易于扩展、修改和维护的动态系统;同样的原理也可以应用于其他计算模型,从而使它们在模块化设计中发挥各自的优点。

用分层事件关系图实现系统仿真与分析

现有的建模语言如UML、有穷状态自动机、Petri网、DEVS等不能完全满足工业中对时间系统建模的要求,企业常须自行开发建模语言和工具,或人为加工和抽象时间系统的设计以适应已有建模手段。使用事件关系图实现分层设计可以在一定程度上解决这一问题。该方法既方便了对复杂时间系统的设计,也使自动化仿真、分析和代码生成变得简易可行。

基于时间和状态约束的故障因果关系图及其在燃气轮机中的应用

故障原因及其产生位置的确定是决定故障诊断系统是否可用的关键因素。文章定义了离散事件系统中故障之间两种类型的因果关系,给出了故障因果图(FSCG)的概念,进一步给出了描述故障之间基于状态和时间约束关系的因果图,基于此,将上述方法应用在某燃气轮机的故障诊断过程中,在对燃气轮机的内部结构进行概述的基础上,结合具体的故障发生情况,给出了其部分故障树结构,进而给出了相应的故障因果关系图,将其应用到实际的故障诊断中,并与传统的故障树方法进行相关对比,证明了该方法的有效性。

面向事件画像的事理图谱构建方法

首先,为了揭示事件演化规律和发展模式,研究了构建事理图谱的方法。采用知识图谱结构来描述事件间的逻辑结构关系,并对事件的多维属性进行画像;然后,提出了一种事理图谱构建的体系结构,包括文本语料采集、事件关系抽取模板构造、事件抽取与结构化、事件相似度计算与融合、事件触发词抽取与论元抽取模型构建、事件关系对构建以及图数据库存储,并利用该体系结构构建了顺承事理图谱、因果事理图谱、条件事理图谱、转折事理图谱和并发事理图谱。最后,通过试验结果验证了该方法的可行性。

面向知识图谱构建的知识抽取技术综述

随着人工智能技术的高速发展,“信息爆炸和知识缺乏”的矛盾愈发凸显。通过知识抽取技术从海量异构数据中自动、快速、准确地抽取人们感兴趣的知识并将其以结构化的知识存储起来,是解决上述矛盾的有效途径之一。系统介绍了面向知识图谱构建的知识抽取技术,分析比较了该领域不同方法之间的优缺点,同时对各个技术的研究进展和使用方法进行了总结,并对知识抽取领域仍需进一步关注的问题提出了思考。

基于时序事件图的作战仿真溯因模型

通过对作战仿真结果进行因果关系分析,可以加深对作战计划的理解,为指挥决策提供支持,是仿真的重要一环。为了能够对仿真结果进行因果关系分析,首先阐述了溯因和因果关系的概念,对支持溯因的仿真输出数据进行了需求分析,进而构建了以事件为核心描述单元的仿真输出数据模型;根据对事件图基本概念的理解,提出了基于时序事件图的溯因模型,最后给出了仿真输出数据映射为时序事件图的转化算法。

旅游顺承事理图谱的构建及应用研究

为了给用户提供更直观、高效、智能的旅游信息检索方式,基于模式匹配法识别、抽取显式顺承关系,构建旅游顺承事理图谱,设计图谱应用系统。该系统采用B/S架构,基于Flask框架,能够完成基于城市、计划时长的旅游路线查询。实验结果表明,顺承关系抽取准确率为82.84%,基于D3.js的图谱可视化查询能丰富用户的旅游检索模式。

基于语料库的事件知识图谱构建与应用

人们以事件的形式认知客观世界,海量的非结构化信息不易于人们对事件的理解。传统的知识图谱关注实体及其之间的关系,事件是动态的,是比实体粒度更大的知识表示形式。研究以事件作为知识表示基本单元,首先基于中文突发事件语料库CEC 2.0,抽取事件和事件关系,然后以事件作为节点,事件关系作为边构建面向事件的知识图谱,再使用Echarts可视化构建的事件知识图谱,最后,以事件知识图谱作为知识,提出使用规则对事件缺省进行要素补全的方法。实例表明基于语料库的事件知识图谱构建方法是可行的。从事件的角度采用知识图谱形式结构化表示事件语义信息,为面向事件的理论和应用研究提供理论和技术支撑。

顾及时空关系的事故灾难事理图谱构建方法研究

事故灾难事理图谱可以全面表达事故发展过程、各子事件信息及多种事件关系,为事故灾难分析提供知识服务。针对事故灾难事理图谱构建中存在的时空关系中文语料匮乏、中文词汇边界模糊导致事件抽取不准确、隐式事件关系难以识别的问题,提出一种顾及时空关系的事故灾难事理图谱构建方法。该方法首先设计了基于命名规律性的词汇增强事件抽取模型,感知实体名称规律以确定事件信息边界和类型,然后采用一种融合注意力和门控空洞卷积的关系识别方法,获取多维度文本特征来挖掘潜在事件关系,并建立了含时空关系的中文事故灾难语料库(Chinese disaster corpus with spatiotemporal relationship,CDCSTR)。在CDCSTR和中文突发事件语料库上进行实验,结果表明,事件抽取模型的F1值分别达到88.59%和78.49%;与现有方法相比,关系识别模型在CDCSTR上的4个任务性能均有提升,尤其是空间关系识别优势明显,取得了3.08%以上的性能领先。以成乐高速追尾事故为例进行验证,构建的事理图谱能展示现实场景下的事故演化过程和时空变化特征,辅助事故应急工作。

面向网络空间测绘的图论-时空对象表达模型

针对传统网络空间逻辑关系及地理空间要素表达模型,不能很好应用于网络空间测绘表达的问题,该文将网络空间测绘表达对象概括为网络空间资源、关系、事件3类,并结合网络空间资源跨层、要素关联、事件多发、尺度多变的特点,遵循以图论为基础、结合多粒度时空对象模型、强化时间属性3个原则,设计了基于图论-时空对象的网络空间测绘表达模型,较好的满足了网络空间特点,可以屏蔽不同来源的网络空间数据类型、数据库存储格式等的差异性,生成一体化场景,实现对网络空间测绘成果的有效组织与表达。以全球网络自治域系统情况为例进行的模型应用实例表明:该模型可以有效对网络空间资源、关系、事件进行表达,实现利用一套数据、一个表达模型进行跨层表达,同时能有效满足网络空间事件多发、多尺度的表达要求。

利用知识图谱的恐怖主义事件模型

恐怖主义受到世界各国的普遍关注,众多学者在事件模型上进行了大量探索,但现有事件模型的恐怖主义概念层次特征不够突出,时序、空间和语义关系相对缺失,且知识图谱模式层的概念和关系类型固定,难以满足事件的多样化描述信息,因此,亟需以事件为中心并结合时空和语义特征构建事件表示模型。在分析事件组成要素的基础上,结合知识图谱前沿技术,提出并设计了模式、事件、数据三层结构的恐怖主义事件表示模型。无须在模式层扩充概念和关系类型,即可在数据层实现事件类型和描述信息的拓展,在事件层实现时序、空间和语义关系表示,并在原型系统中以宏观概览、时序回溯和语义展示3个场景为例,验证了模型的可行性和有效性。