基于混杂模型的上下文相关主机入侵检测系统

主机入侵检测的关键是监测进程的运行是否正常.现有的基于静态分析建模的方法具有零虚警的优良特性,但是,由于缺乏精确性或者效率的问题仍然不能实际使用,先前的工作试图在这两者之间寻找平衡点.基于NFA(nondeterministic finite automaton)的方法高效但是不够精确,基于PDA(push down automaton)的方法比较精确但却由于无限的资源消耗而不能应用.其他模型,例如Dyck模型、VPStatic模型和IMA模型使用一些巧妙的方法提高了精确性又不过分降低可用性,但是都回避了静态分析中遇到的间接函数调用/跳转问题.提出一种静态分析-动态绑定的混杂模型(hybrid finite automaton,简称HFA)可以获得更好的精确性并且解决了这一问题.形式化地与典型的上下文相关模型作比较并且证明HFA更为精确,而且HFA更适合应用于动态链接的程序.还给出了基于Linux的原型系统的一些实现细节和实验结果.

上下文相关图文法的表达能力分析

上下文相关图文法是描述可视化语言的形式化工具.为了直观地刻画并高效地分析可视化语言,已有图文法形式框架均着重于文法形式和分析算法的研究,而忽略了对它们之间表达能力的分析.在对已有上下文相关图文法形式框架的关键特征进行分析和归纳的基础上,通过构造不同形式框架之间的转换算法,揭示并形式化证明了它们表达能力之间的关系.而且,转换算法在不同形式框架之间建立了关联,使图文法的应用不必再局限于一个框架,而是可以选择不同框架分别进行图的描述和分析,从而提高了上下文相关图文法的易用性.

基于网络挖掘的上下文相关词汇级复述研究(英文)

词汇级复述研究旨在为词汇获取复述.词汇级复述是上下文相关的,即对同一个词在不同上下文中应获取不同的复述词.提出了一种获取上下文相关词汇级复述的方法.该方法包括两部分:基于网络挖掘的候选复述词获取以及基于二元分类的复述词确认.在《人民日报》语料库上的实验结果表明:(1)基于网络挖掘的候选复述词获取方法是切实可行的,平均为每个待复述词在每个给定的上下文句子中获取2.3个正确复述词;(2)利用二元分类的方法进行复述确认是有效的,其F值达到0.6023;(3)利用该方法抽取得到的复述中,有75.11%和98.31%无法通过两种常用的上下文无关方法,即基于辞典和基于聚类的方法来获得.这证明了所提出的上下文相关复述方法可以有效地补充传统的上下文无关方法.

汉语连续语音识别中上下文相关的识别单元(三音子)的研究

本文详细研究了汉语语音识别中如何有效地建立上下文相关的识别单元，以解决连续语音之间的协同发音问题．本文首先利用信息论原理，研究了传统的聚类算法的距离测度，分别是模型分布的散度和模型合并或分裂前后熵的变化值．然后本文提出了基于决策树的聚类方法，它的主要优点是充分利用了语音学知识，聚类后得到的模型可推广性好，尤其适用于集外语料中出现大量的未在训练语料中出现的三音子单元的情况．接着介绍了模型聚类和训练的实验步骤最后，非特定人大词汇量连续语音识别的实验表明，基于决策树的聚类方法所得到的识别单元，当识别集外语料时使系统的误识率降低了7．95％，而基于合并的聚类方法所得到的识别单元只降低了2．63％.

上下文相关汉语自动分词及词法预处理算法

提出了一种适合于汉英机器翻译的上下文相关汉语自动分词及词法预处理算法．该算法采用正向多路径匹配算法和基于上下文相关知识的歧义切分消解算法，充分利用汉英机译系统词典库中的大量语法和语义等知识进行上下文相关的规则推导消歧，使自动分词的准确率达到了９９％以上．同时，该算法还对汉语中意义冗余的重叠词和可以与中心词离合的虚词等进行了词法预处理，从而一方面可以减少系统词典的收词量。

移动云计算中的上下文相关身份认证

上下文相关信息,例如可操作的、用户个人的、空间的、环境的信息能够为用户提供他们确实需要而没有明确表示的服务。利用上下文内容相关的方法分析移动设备提供的用户通话记录、日程表、GPS和用户安装的应用。在收集这几方面信息之后,加以考虑时间和地点的因素,使整个认证过程更有可靠性。提出在移动云计算背景下的上下文相关身份认证框架,并详细描述框架的各个组件及决策器的算法模型和通信协议部分,使用户能够更加方便、安全地使用移动云。

结合五笔字形与上下文相关字向量的命名实体识别

命名实体识别(NER)作为自然语言处理的重要部分,在信息抽取和知识图谱等任务中得到广泛应用。然而目前中文预训练语言模型通常仅对上下文中的字符进行建模,忽略了中文字符的字形结构。提出2种结合五笔字形的上下文相关字向量表示方法,以增强字向量的语义表达能力。第一种方法分别对字符和字形抽取特征并联合建模得到字向量表示,第二种方法将五笔字形作为辅助信息拼接到字向量中,训练一个基于字符和五笔字形的混合语言模型。实验结果表明,所提两种方法可以有效提升中文NER系统的性能,且结合五笔字形的上下文相关字向量表示方法的系统性能优于基于单一字符的语言模型。

工作流系统上下文相关访问控制模型

访问控制是提高工作流系统安全性的重要机制。基于角色的访问控制(RBAC)被绝大多数工作流系统所采用,已成为工作流领域研究的热点。但是,现有的基于角色的访问控制模型没有考虑工作流上下文对任务执行授权安全的影响,容易造成权限冗余,也不支持职责分离策略。该文提出一种工作流上下文相关访问控制模型WfCAC,首先,定义该模型的构成要素和体系结构,然后讨论工作流职责分离和访问控制机制,并对模型性质进行分析。WfCAC模型支持用户组及其层次结构,支持最小权限授权策略和职责分离策略,实现了工作流上下文相关访问控制。

基于上下文相关字向量的中文命名实体识别

命名实体识别(NER)旨在识别出文本中的专有名词,并对其进行分类。由于用于监督学习的训练数据通常由人工标注,耗时耗力,因此很难得到大规模的标注数据。为解决中文命名实体识别任务中因缺乏大规模标注语料而造成的数据稀缺问题,以及传统字向量不能解决的一字多义问题,文中使用在大规模无监督数据上预训练的基于上下文相关的字向量,即利用语言模型生成上下文相关字向量以改进中文NER模型的性能。同时,为解决命名实体识别中的未登录词问题,文中提出了基于字语言模型的中文NER系统。把语言模型学习到的字向量作为NER模型的输入,使得同一中文汉字在不同语境中有不同的表示。文中在6个中文NER数据集上进行了实验。实验结果表明,基于上下文相关的字向量可以很好地提升NER模型的性能,其平均性能F1值提升了4.95%。对实验结果进行进一步分析发现,新系统在OOV实体识别上也可以取得很好的效果,同时对一些特殊类型的中文实体识别也有不错的表现。

基于上下文相关的软件体系结构求精方法

为了提高软件体系结构求精的精确性与可追溯性,使处于不同抽象层次之间的体系结构之间形成规范的映射体系,引入了形式化方法,定义了一种基于上下文相关文法的形式化的求精文法,并将该文法应用到体系结构求精中,给出了基于构件的体系结构形式化求精过程。最后,基于体系结构求精方法建立了相应的用于指导软件开发的模型。

上下文相关的双向自举观点评价对象抽取方法

从大量的产品评论中进行观点评价对象的自动抽取是观点挖掘研究的重要课题,然而目前观点评价对象抽取结果只提供少量信息,因此提出一种基于上下文相关的双向自举方法同时获取产品名称和产品属性。该方法利用初始种子集、词性模板集获得候选观点评价对象,采用上下文相关的方法对文中所有包含候选观点评价对象的语句抽取出观点评价对象并进行边界识别,同时抽取观点评价对象的词性模板并计算分数,将分值高的模板加入模板集,这样重复迭代直到没有出现新的观点评价对象为止。实验结果表明采用上下文相关方法进行观点评价对象抽取相对于上下文无关的方法性能提高10%以上。

基于上下文相关的未知实体词识别方法

现有的未知实体词识别方法主要针对人名、地名、机构名等具有特定结构的实体词进行识别,而随着电子商务和社交网络的快速发展,出现了大量结构不确定的专有领域未知实体词。针对该问题,提出两种基于上下文相关的未知词识别算法,通过计算词(字)和词(字)之间的上下文相关性,得到其潜在组合的支持度,并通过过滤模块过滤掉错误的组合,实现具有非确定型结构的未知实体词识别。实验表明,该算法具有较高的准确率,并且可以通过调整参数适应不同的应用场景。

移动中间件中上下文相关的对象模型

在对上下文、上下文相关和反射机制的概念进行分析研究的基础上,提出了一种基于上下文视图的上下文相关对象模型,并且定义了描述和操作上下文信息的操作元语。最后介绍了这种模型在MACAM移动中间件中的实现。

形式语言中的上下文无关和上下文相关

形式语言与自动机理论已成为计算机科学的理论基础；对于程序设计语言的说明和分析尤其重要。文中介绍了形式语言与自动机理论中的基本原理，给出了上下文无关文法、上下文相关文法及其相应语言的定义，讨论了它们之间的关系。

基于可靠多播网络下的上下文相关性网络编码方案

网络编码可以提高多播网络吞吐量,但传统的网络编码算法中节点的编译码很明显地增加了时间和空间的复杂度。文章给出的方案中,信源节点增加了编码功能,具有编码能力的节点对所接受到的信息进行简单的线性编码,不需要复杂的局部编码矩阵和全局编码向量的计算过程,中间节点和链路对所接受的信息块只提供存储和转发的功能,目的节点不需要考虑网络的拓扑结构和接受到数据块的次序问题,只要能够接收到足够的信息块,就可以在极短的时间内成功译码,恢复原信息。实验证明,基于上下文相关性的网络编码在多播网络中不仅使得多播传输达到理论的传输容量,并且降低了时间和空间复杂度,提高了网络可靠性。

汉语语音识别声调模型集成中基于决策树的上下文相关权重参数聚类方法

声调集成是汉语语音识别的一个重要任务.在语音识别的二次解码过程中,使用区分性训练的权重因子进行声调模型集成已被证明是一个有效的方法,而且使用上下文相关的得分加权进行模型组合也得到了应用.上下文相关模型组合方法的一个不足是将会带来大量的训练参数,从而导致权重训练受到过拟合的影响.针对该问题,提出利用声学决策树对上下文相关权重参数进行参数聚类,决策树节点问题集根据最小化训练数据的期望误识率进行选择.提出问题集剪枝来加快决策树的构建速度.汉语连续语音识别实验表明与人工选择上下文相关权重参数相比,该方法能够在大大减少参数数量的条件下明显降低误识率.

上下文相关模糊逻辑系统及其归结方法

提出了一种基于Kripke语义结构的上下文相关模糊命题逻辑系统 ,该逻辑系统中命题的真值是不惟一的 ,它依赖于可能世界W中的个体 .文中还定义了逻辑联结词的运算和公式的语义模型 .最后研究该逻辑系统中的归结方法 .

基于上下文相关的最大概率汉语自动分词算法

提出了一种新的汉语自动分词算法,其主要思想是通过前后两次对文章的扫描来解决分词过程中出现的交叉歧义问题,介绍了一种新的有效的字段切分算法,它能够排除类似穷举算法中冗余的单字词的切分可能。

基于注意力机制的上下文相关的问答配对方法

目前,关于问答的大部分研究都是面向正式文本的问答对。然而,与以往研究不同的是,该文关注于社会媒体上存在的非正式文本问答对。非正式文本会存在问题文本里包含多个问题以及回答文本里包含多个回答的情况。针对该情况,我们提出了一个新的任务:问答配对,即对问题文本的每个问题,从答案文本中找到和该问题相关的句子。首先,我们从产品问答网站上收集了大规模非正式文本问答对,并在此基础上创建了一个产品问答配对语料库。其次,为了解决非正式文本中存在的噪声问题,提出了一种基于注意力机制的上下文相关的问答配对方法。实验结果表明,该文提出的方法能有效地提升非正式文本的问答配对的性能。

基于用户浏览日志的上下文相关新闻推荐

个性化新闻推荐的难点在于用户在浏览新闻时目的性不强,容易受各种环境因素的影响,导致其浏览行为难以预测。以往的研究仅仅强调推荐内容相关的或者和用户长期兴趣相匹配的新闻,忽视了环境因素的影响。为此,需要研究上下文相关的新闻推荐算法。具体做法是从用户的浏览日志中提取上下文相关特征,然后训练一个Logistic回归模型来预测用户接下来最可能阅读的新闻。真实数据上的实验结果表明,上下文相关新闻推荐方法效果明显好于传统方法,也验证了上下文信息对用户浏览行为的重要影响。