基于跨层级多视角特征的多语言事件探测

多语言事件探测任务的目标是将多种语言的新闻文档集合组织成不同的关键事件,其中每个事件可以包含不同语言的新闻文档。该任务有助于各种下游任务应用,如多语言知识图谱构建、事件推理、信息检索等。目前,多语言事件探测主要分为先翻译再事件探测与先单语言检测再跨多种语言对齐两种方法,前者依赖翻译的效果,后者需要为每种语言单独训练模型。为此,提出了一种名为基于跨层级多视角特征融合的多语言事件探测方法,端到端地进行多语言事件探测任务。该方法从不同层级利用文档的多视角特征,获得了高可靠性的多语言事件探测结果并提升了低资源语言事件探测的泛化性能。在9种语言混合的新闻数据集上进行的实验表明,所提方法的BCubed F1值提升了4.63%。

基于NPN融入词性注意力机制的中文事件探测

事件探测主要研究触发词探测以及事件类型识别。现阶段基于深度学习的模型大部分集中在利用语义角色信息、句法依存树信息以及预训练模型方面,忽略了词性的重要性。针对这个问题,提出基于块提取网络融入词性注意力机制的中文事件探测方法,首先基于NLP词性标注工具获得词性序列,然后使用CBOW算法获得词性嵌入,最后在模型中使用词性嵌入计算词性注意力用于事件探测。在ACE2005数据集上进行实验,融入词性注意力后模型在事件探测任务上的F1分数分别提升了3.8%和2.4%,表明了该方法的有效性。

一种基于动态进化模型的事件探测和追踪算法

在大量分析网络新闻特点的基础上 ,借鉴Single Pass聚类思想 ,并结合新闻要素给出了一种基于动态进化模型的事件探测和追踪算法 该动态模型是基于新闻事件的生存特点提出的 ,包括 :基于时间距离的相似度计算模型、事件模板进化策略以及动态阈值设置思想 该算法可以自动对新闻资料进行组织生成新闻专题 ,进而为用户提供个性化服务

初始化类中心的增量K均值法及其在新闻事件探测中的应用

传统的增量k均值法用于事件探测时存在着诸多不足。为了克服其缺陷，本文提出了一种用于事件探测的改进的增量k均值算法（IIKM）。该算法使用密度函数法进行聚类中心的初始化以便客观地选择初始聚类中心，既可以用于在线探测也可以用于回溯探测，并且执行结果受新闻语料被处理顺序的影响较小。本文对有效密度半径和特征空间维数的选择问题进行了讨论，并比较了该方法和Single—pass法及传统的K均值法的性能差异。实验结果表明本文所提出的方法是有效的。

基于语义轨迹的视频事件探测

视频事件探测是视频内容自动理解领域的一个重要研究问题.在视频事件探测中,感兴趣对象的运动轨迹常被作为视频中探测事件的一种重要依据.目前基于轨迹的事件探测方法主要集中于根据轨迹几何特征进行视频事件探测,而忽略了与轨迹相关的语义信息.然而我们知道,轨迹的产生往往受到一些与轨迹相关联的语义信息的影响,如轨迹产生时的地理信息等.将轨迹相关联的语义信息整合到轨迹中可以使我们了解更多关于轨迹的信息.语义轨迹为我们提供了一个将语义信息与轨迹信息有效整合的方法.该文将语义轨迹应用到视频事件探测领域,提出了一个基于语义轨迹的视频事件探测方法.该方法将视频中抽取的感兴趣对象的原始轨迹转化为语义轨迹,并根据语义轨迹探测可能的视频事件.同时该方法还提供了一个描述语义轨迹特征以及对语义轨迹与轨迹特征进行匹配的方法.最后我们通过实验分析验证了基于语义轨迹的视频事件探测方法的有效性.

高速公路事件探测系统及算法

高速公路事件是指破坏正常交通流并造成交通阻塞的非重现随机发生的事件。事件发生后对其进行快速可靠的探测对减少交通延误、保障道路安全具有十分重要的意义。本文简要分析了高速公路事件探测系统的构成,并对各种自动事件探测算法进行了分类评价,特别是对近年来智能技术在事件自动探测算法中的运用作了较详细的介绍。同时,本文最后指出了事件探测算法的发展趋势。

一种基于TF·IEF模型的在线新闻事件探测方法

为了提升在线新闻事件探测的性能,提出一种基于TF.IEF模型的在线新闻事件探测方法。该方法受TF.IDF思想的启发,直接计算特征词表征事件的权重,建立新的增量事件模型,并将探测过程分为两个阶段:第一阶段利用Single-Pass将一定时段内收集到的报道聚成微簇;第二阶段将微簇与已有事件进行相似性匹配,然后通过重新计算事件向量实现模型更新。实验结果表明,该方法运算速度快,特征信息丢失少,提高了探测的效率和准确率。

基于OLS算法的RBF神经网络高速公路事件探测

高速公路事件是指破坏正常交通流并造成交通阻塞的非重现随机发生的事件。事件发生后对其进行快速可靠的探测对减少交通延误、保障道路安全、减少环境污染具有十分重要的意义。文中提出了一种基于模糊聚类技术和RBF神经网络的混合智能高速公路事件自动探测算法,同时改进了用于RBF神经网络训练的OLS(正交最小二乘)选择算法。仿真实验证明,改进的OLS选择算法大大提高了RBF神经网络的训练速度,同时具有无须事先确定RBF中心的优点,将之运用于公路事件探测可以获得满意的性能。

一种池分区的RFID复合事件探测方法dpool

提出一种池分区的RFID复合事件探测方法dpool.该方法针对无用探测负载以及事件顺序发生问题,提出根据探测执行进度渐进式移入相关联事件过滤器的方法,给出了渐进式的规则;针对多查询以及复杂查询易产生过滤器干扰问题,提出查询池和事件池分区方法,给出了池分区的原则;针对事件实例之间的时序距离问题,提出设置动态时间池分区,给出了时间池分区的设置策略.实验表明dpool减少了探测复合事件的响应时间、内存的使用量,使探测的性能得到改善.

人工神经网络事件探测系统的结构设计及实现

国外传统的高速公路事件自动探测算法存在着事件探测模型有偏差、误报警率高和不适合我国实际等缺陷，而采用人工神经网络探测事件则具有克服这些缺陷的潜在优势。文章就人工神经网络事件探测系统的系统设计目标及功能、关键模块设计、组成结构和系统特点等进行了论述。

基于改进OLS算法的RBF神经网络高速公路事件探测

提出了一种基于模糊聚类技术和RBF神经网络的混合智能高速公路事件自动探测算法,同时改进了用于RBF神经网络训练的OLS(正交最小二乘)选择算法.仿真实验证明,改进的OLS选择算法大大提高了RBF神经网络的训练速度,同时具有无须事先确定RBF中心的优点,将之运用于公路事件探测可以获得满意的性能.

基于区间牛顿法的混杂系统状态事件探测算法

准确的探测状态事件对混杂系统仿真至关重要,特别是求解有奇点或有重根的模型。提出一个基于可变步长显式多步法的插值多项式来预测事件函数的值,并使用扩展的区间牛顿法求解事件方程的根,从而使状态事件能够被可靠地发现。插值多项式不需使用下一步的状态变量估计值,可用于有奇点系统中。区间牛顿算法可求解具有多重根的方程,并将根的不存在性探测和求根过程结合在一起。仿真实例表明本算法对混杂系统有效,在几种严苛情况下都能探测到状态事件,及时避开模型奇点,避免仿真失败。

基于短文本的食源性疾病事件探测技术

微博数据是短文本事件探测的典型数据源,由于微博内容的多样性、稀疏性和碎片性,现有事件探测方法使用的数据源单一且噪声较大,在时空信息的发现上粒度过大,导致结果的准确性差。因此,在事件探测算法上提出动态上下文窗口算法,构建候选微博进行事件探测,提高了事件探测的效率和精度。并提出利用微博内容发现特定事件地理位置信息的算法,提高了事件时空信息的获取精度。最后应用于食源性疾病事件的自动探测中,相比以往的事件探测方法,扩大了数据来源,且时间和空间维度上的准确性得到显著提高。

资源受限主动数据库系统中的事件探测

在已有的事件探测研究基础上,针对时间、内存的资源受限情况,提出了一种把时间间隔和优先级相结合的算法,从而解决了在资源受限情况下的事件探测问题。

基于数据流变化的RFID事件探测方法

RFID数据流是一种动态RFID数据,它在某种因素的驱动下可能会随时间发生变化,而这种变化往往隐含着现实世界的某种事件.如何及时、准确地发现RFID数据流中的变化已成为数据流挖掘领域的一个研究热点,并且在实际中有非常广泛的应用.本文提出一种连续网格聚类算法来定位和描述RFID数据流的变化,并采用多分类器的方法建立变化特征向量与隐含事件的映射关系,实验表明该方法能有效检测出RFID数据流变化隐含的事件,与基于规则的事件检测方法相比,具有更高的检测效率.

基于大数据的食源性疾病事件探测与风险评估

食源性疾病由于其症状轻重不一常被低估,但近年来,食源性疾病的爆发在全国范围内呈上升趋势,准确探测食源性疾病事件并对其进行风险评估有重要意义.本文分别对哨点医院监测数据、食品检测数据和来自互联网的数据建立事件探测模型,实现风险评估,并分析比较模型优劣,最后建立统一的时空框架,引入人口、交通、食品生产等大数据对风险预测结果进行综合集成.通过对某大城市2014年食源性疾病事件的探测结果对比,实证结果表明,综合模型预测的时空精度更高,对防控更具操作性.

一种基于构建-竞争聚类及KNNFL的事件探测与追踪系统

一种构建-竞争聚类法被用于事件探测,该方法是受神经网络研究中构建-竞争学习的思想启发的.另外,提出了一种用于事件追踪的基于K近邻特征线(KNNFL)的分类方法,这种基于最近邻特征线(NFL)的方法本质上可以看作是对K近邻(KNN)法的推广,将改进后的KNN融入到NFL中形成KNNFL是为了更适合新闻事件的分析.研究结果表明,本文所提出的方法与传统的增量k均值法、Single-Pass法、Rocchio法以及KNN法相比较,可以获得更好的效果.通过分析可以看到,KNNFL即使在正例样本非常稀少的情况下仍然具有鲁棒性的表现.

主动实时数据库系统中时间事件的探测

介绍了主动实时数据库中时间事件探测的实现方法，该方法既增强了系统处理时间事件的能力，也提高了系统处理其他事件的灵活性。该文还提出了基于多线程的时间事件探测模型，并提供了相应的算法。

基于热点主题识别的突发事件次生衍生事件探测

[目的/意义]突发事件的发展演化可能引发一系列次生衍生事件,扩大事件本身的作用幅度和影响范围,故而研究突发事件次生衍生事件的探测问题具有重要的理论价值与现实意义。[方法/过程]本文获取了133947条2018年长春长生疫苗事件相关微博数据,并基于危机传播四阶段理论对该事件各生命周期阶段的微博数据提取微博文本的特征词,通过word2vec模型和K-means聚类算法提取突发事件各生命周期微博文本的主题,再基于H指数计算各主题的影响力,筛选得到该突发事件的热点主题,并构建突发事件次生衍生事件的判定规则,探测其次生衍生事件。[结果/结论]研究结果表明,长春长生疫苗事件共涉及个人、企业和政府层面共17个次生衍生事件。构建突发事件次生衍生事件的判定规则与探测方法,丰富了突发事件管理的理论与方法,有助于及时掌握突发事件次生衍生事件的发生机理,提高突发事件的风险应对能力。

基于虚拟健康社区的药物不良反应事件探测模型研究

[目的/意义]研究旨在基于虚拟健康社区的自由文本数据,构建药物不良反应事件探测模型。从而为政府监管部门、医疗卫生机构和医药公司提供知识支撑,减少药物不良反应事件的发生。[方法/过程]首先梳理了主题相关的研究现状,然后搭建药物不良反应事件探测模型的整体架构,并深入阐述各层模型的基本要素及逻辑关系。以DIKW体系为模型设计逻辑框架,从数据获取层、自然语言处理层、语义分析层、关系抽取层和事件探测层,探测非结构化自由文本数据中蕴含的药物不良反应事件。[结果/结论]研究结果揭示了虚拟健康社区数据从数据到信息,再到知识,进而升华为智慧的传递和增值过程,为基于虚拟健康社区的非结构化文本数据的知识发现奠定了理论和实践基础。[局限]对于部分虚拟健康社区用户非规范化的用药经验表述的识别具有一定的局限性。